KR102215088B1

KR102215088B1 - Service providing apparatus and method for providing search intent

Info

Publication number: KR102215088B1
Application number: KR1020200082068A
Authority: KR
Inventors: 박세용; 김지훈
Original assignee: (주)어센트코리아
Priority date: 2020-07-03
Filing date: 2020-07-03
Publication date: 2021-02-10
Also published as: JP2022013688A; US20220004589A1; KR20220004531A; JP7198863B2

Abstract

The present invention relates to an apparatus and a method for providing a service providing search intent, and more particularly, to an apparatus and a method for providing a service providing search intent to train a deep learning-based learning model to learn the correlation between a query and search intent, and support to provide accurate search intent for the query input from the user through the training model. According to the present invention, the input query of the user who wants to understand the search intent is applied to the trained learning model so that a similar query having a similarity level above a certain level with the input query is identified through entity-based property comparison, and then search intent corresponding to a similar query having a high degree of similarity to the input query is calculated as search intent of the input query to accurately identify and present the search intent of the input query, a brand, product, service, etc is applied to the learning model as an input query, one or more search intent highly relevant to the brand, product or service are provided through the learning model, and accordingly a dashboard schematized to distinguish the importance of each search intent is provided, so that the dashboard is used to help sellers establish marketing strategies.

Description

Service providing apparatus and method for providing search intent

본 발명은 검색 의도를 제공하기 위한 서비스 제공 장치 및 방법에 관한 것으로서, 더욱 상세히는 쿼리와 검색 의도 사이에 상관 관계를 딥러닝 기반의 학습 모델에 학습시켜 학습 모델을 통해 사용자로부터 입력된 쿼리에 대해 정확한 검색의도를 제공할 수 있도록 지원하는 검색 의도를 제공하기 위한 서비스 제공 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for providing a service for providing a search intent, and in more detail, a correlation between a query and a search intent is trained in a deep learning-based learning model, It relates to a service providing apparatus and method for providing a search intent that supports providing an accurate search intent.

검색이라는 행위는 의사결정과 관련되는 목적지향적 행위(필요한 정보를 탐색한다, 가격을 비교한다, 원하는 장소를 찾는다, 특정 문제에 대한 대처 방법을 찾는다 등)로서 상품(제품)이나 서비스와 관련된 사용자의 의도를 직접적으로 나타내는 수단이다.Search is a destination-oriented action related to decision-making (searching for necessary information, comparing prices, finding a desired place, finding a way to cope with a specific problem, etc.). It is a means of directly expressing intent.

현재 이러한 검색 행위를 지원하는 다양한 검색 서비스가 제공되고 있으며, 검색 서비스는 자체 검색 엔진을 통해 검색 행위에 따른 검색 결과를 제공하고 있다.Currently, various search services supporting such search behavior are provided, and the search service provides search results according to the search behavior through its own search engine.

그러나, 마케팅 측면에서 검색엔진은 기업이 판매하는 상품과 서비스를 찾는 검색사용자들이 해당 상품과 서비스를 상호 만날 수 있도록 지원하는 중요한 채널임에도 불구하고, 대부분의 검색 서비스는 검색 엔진이 생성하는 검색 결과를 통해 키워드 광고를 게재할 수 있도록 하는 것 이상의 서비스를 제공하고 있지 않다.However, in terms of marketing, search engines are important channels that enable search users who are looking for products and services sold by companies to meet the products and services, but most search services generate search results. It does not provide a service beyond allowing keyword ads to be displayed through the Internet.

즉, 검색 쿼리에는 마케팅 전략수립에 필요한 핵심적인 데이터가 숨어 있으며, 예를 들어 제품과 서비스를 검색할 때 입력되는 검색 쿼리에는 어떤 상품 및 서비스에 대한 사용자들의 니즈, 제품군 내 비교 항목, 특정 브랜드 및 제품명의 인지도, 구매 전 필요로 하는 정보의 종류, 특정 지역에서 구매처를 찾는 니즈 등의 마케팅 전략 수립에 필요한 데이터들이 검색 의도로서 검색 쿼리에 존재함에도 불구하고, 검색사업자가 아닌 일반 기업이 검색 쿼리로부터 검색의도를 파악하여 활용할 수 있는 방법은 존재하지 않는다.In other words, the search query hides the essential data necessary to establish a marketing strategy. For example, the search query entered when searching for a product or service contains users' needs for a certain product and service, comparison items within a product line, a specific brand, and Although the data necessary for marketing strategy establishment, such as the recognition of the product name, the type of information required before purchase, and the need to find a place to purchase in a specific region, exist in the search query as search intent, a general company, not a search provider, is There is no way to understand and utilize the search intention.

한국등록특허 제10-1734970호Korean Patent Registration No. 10-1734970

본 발명은 쿼리와 검색 의도 사이에 상관 관계를 딥러닝 기반의 학습 모델에 학습시켜 사용자로부터 입력된 쿼리에 대해 정확한 검색의도를 제공할 수 있도록 지원함과 아울러 이를 기반으로 상품이나 서비스에 대한 마케팅 전략을 수립할 수 있도록 지원하는데 그 목적이 있다.The present invention supports to provide accurate search intention for a query input from a user by learning a correlation between a query and a search intention in a deep learning-based learning model, and based on this, a marketing strategy for a product or service Its purpose is to support the establishment of

본 발명의 실시예에 따른 서비스 제공 장치의 검색 의도를 제공하기 위한 서비스 제공 방법은, 키워드에 일련의 글자를 상이하게 추가하면서 상기 키워드와 글자가 결합된 하나 이상의 검색 쿼리를 자동 생성하고, 미리 설정된 검색 엔진을 통해 상기 검색 쿼리와 연관된 연관 쿼리를 하나 이상 획득하는 획득 단계와, 상기 연관 쿼리를 상기 검색 엔진에 적용하여 생성된 검색 결과 중 미리 설정된 상위 N 개의 검색 결과에서 미리 저장된 온톨로지 정보의 인스턴스에 정의된 단어나 구와 일치하는 엔티티를 하나 이상 추출하여, 상기 추출된 하나 이상의 엔티티를 포함하는 엔티티 정보를 생성한 후 상기 엔티티 정보에 대응되는 연관 쿼리와 상기 엔티티 정보를 포함하는 쿼리 정보를 생성하는 엔티티 생성 단계와, 검색 의도에 대한 카테고리인 복수의 인텐트와 복수의 쿼리가 상호 매칭되어 미리 저장된 인텐트 DB로부터 상기 엔티티 정보가 생성된 특정 연관 쿼리와 일치하는 쿼리에 매칭된 특정 인텐트가 추출되면, 상기 특정 인텐트와 상기 특정 연관 쿼리에 대응되는 상기 쿼리 정보를 포함하는 학습 데이터를 생성하여 미리 설정된 학습 모델에 학습시키는 학습 단계 및 사용자 입력에 따른 입력 쿼리를 상기 엔티티 생성 단계의 연관 쿼리로 하여 상기 입력 쿼리에 대한 쿼리 정보를 생성한 후 복수의 서로 다른 키워드에 대해 상기 학습이 완료된 상기 학습 모델에 적용하여 상기 학습 모델을 통해 상기 입력 쿼리에 대응되는 하나 이상의 인텐트별 상관 계수가 포함된 최종 결과를 산출하는 산출 단계를 포함할 수 있다.A service providing method for providing a search intention of a service providing apparatus according to an embodiment of the present invention automatically generates one or more search queries in which the keyword and the letters are combined while adding a series of letters to a keyword differently, and An acquisition step of acquiring one or more related queries related to the search query through a search engine, and an instance of ontology information previously stored in the pre-set top N search results among search results generated by applying the association query to the search engine. An entity that extracts one or more entities matching a defined word or phrase, generates entity information including the extracted one or more entities, and then generates an association query corresponding to the entity information and query information including the entity information When a specific intent matched to a query matching a specific related query in which the entity information is generated is extracted from the intent DB stored in advance by matching a plurality of intents and a plurality of queries, which are categories for the search intent in the creation step, , A learning step of generating training data including the query information corresponding to the specific intent and the specific association query and training it in a preset learning model, and an input query according to a user input as the association query of the entity creation step After generating query information for the input query, a plurality of different keywords are applied to the learning model on which the training has been completed, and a correlation coefficient for each intent corresponding to the input query is included through the learning model. It may include a calculation step of calculating a result.

본 발명과 관련된 일 예로서, 상기 학습 단계는, 복수의 서로 다른 키워드 각각에 대해 상기 획득 단계와 상기 엔티티 생성 단계 및 학습 단계를 수행하여 얻어진 복수의 학습 데이터로 상기 학습 모델을 학습시키는 단계를 더 포함하는 것을 특징으로 할 수 있다.As an example related to the present invention, the learning step further includes training the learning model with a plurality of learning data obtained by performing the acquisition step, the entity creation step, and the learning step for each of a plurality of different keywords. It may be characterized by including.

본 발명과 관련된 일 예로서, 상기 연관 쿼리는 상기 검색 쿼리를 기초로 상기 검색 엔진이 생성하는 자동 완성 검색어인 것을 특징으로 할 수 있다.As an example related to the present invention, the association query may be an auto-complete search word generated by the search engine based on the search query.

본 발명과 관련된 일 예로서, 상기 획득 단계는 검색 볼륨(search volume)이 0인 연관 쿼리를 제외하는 것을 특징으로 할 수 있다.As an example related to the present invention, the acquiring step may be characterized in that an association query having a search volume of 0 is excluded.

본 발명과 관련된 일 예로서, 상기 온톨로지 정보는 사물이나 개념에 해당하는 복수의 서로 다른 개체별 개체 정의 정보를 포함하고, 상기 개체 정의 정보는 상기 개체의 범주에 해당되는 클래스와 상기 개체의 개체명인 인스턴스를 포함하는 것을 특징으로 할 수 있다.As an example related to the present invention, the ontology information includes entity definition information for each of a plurality of different entities corresponding to an object or concept, and the entity definition information is a class corresponding to the category of the entity and an entity name of the entity. It may be characterized by including an instance.

본 발명과 관련된 일 예로서, 상기 엔티티 생성 단계는, 상기 연관 쿼리에 대응되어 추출된 하나 이상의 엔티티를 후보 엔티티로 설정하고, 상기 상위 N 개의 검색 결과를 대상으로 상기 후보 엔티티별 출현 빈도를 연산하여 출현 빈도가 미리 설정된 기준치 이상인 후보 엔티티만을 상기 엔티티 정보에 포함시키는 것을 특징으로 할 수 있다.As an example related to the present invention, in the entity generation step, at least one entity extracted in response to the association query is set as a candidate entity, and the appearance frequency of each candidate entity is calculated based on the top N search results. It may be characterized in that only candidate entities having an appearance frequency equal to or greater than a preset reference value are included in the entity information.

본 발명과 관련된 일 예로서, 상기 검색 결과는 상기 검색 엔진이 상기 연관 쿼리에 대해 검색 의도를 파악하여 응답한 하나 이상의 응답 결과와 상기 하나 이상의 응답결과와 각각 대응되며 응답 결과 산출시 상기 검색 엔진이 이용한 응답 기능의 기능 종류를 하나 이상 포함하고, 상기 엔티티 생성 단계는, 상기 연관 쿼리에 대응되어 생성된 검색 결과에서 추출한 하나 이상의 기능 종류와 상기 엔티티 정보가 상기 연관 쿼리의 속성으로 설정되도록 상기 쿼리 정보를 생성하는 단계를 더 포함하는 것을 특징으로 할 수 있다.As an example related to the present invention, the search result corresponds to one or more response results and the one or more response results, respectively, in which the search engine recognizes the search intent for the related query and responds, and when the response result is calculated, the search engine The query information includes at least one function type of the used response function, and in the entity creation step, at least one function type and the entity information extracted from the search result generated in response to the related query are set as properties of the related query. It may be characterized in that it further comprises the step of generating.

본 발명과 관련된 일 예로서, 상기 학습 단계는, 상기 학습 데이터를 이용한 상기 학습 모델의 학습을 통해 쿼리가 속성으로 가지는 엔티티 정보의 변화에 따라 상기 쿼리와 상기 인텐트 사이의 상관관계가 상기 학습 모델에 설정되도록 하는 것을 특징으로 할 수 있다.As an example related to the present invention, in the learning step, a correlation between the query and the intent is determined according to a change in entity information that a query has as an attribute through learning of the learning model using the learning data. It may be characterized in that it is set to.

본 발명과 관련된 일 예로서, 상기 산출 단계는, 상기 최종 결과를 기초로 상기 입력 쿼리에 대해 산출된 하나 이상의 인텐트 상호 간 상기 최종 결과에 포함된 인텐트별 상관계수에 따른 비교가 가능하도록 도식화한 대시 보드를 생성하여 출력하는 단계를 더 포함하는 것을 특징으로 할 수 있다.As an example related to the present invention, in the calculation step, a comparison between one or more intents calculated for the input query based on the final result according to the correlation coefficient for each intent included in the final result is possible. It may be characterized in that it further comprises the step of generating and outputting a dashboard.

본 발명의 실시예에 따른 검색 의도를 제공하기 위한 서비스 제공 장치는, 키워드에 일련의 글자를 상이하게 추가하면서 상기 키워드와 글자가 결합된 하나 이상의 검색 쿼리를 자동 생성하고, 미리 설정된 검색 엔진을 통해 상기 검색 쿼리와 연관된 연관 쿼리를 하나 이상 획득하는 쿼리 생성부와, 상기 연관 쿼리를 상기 검색 엔진에 적용하여 생성된 검색 결과 중 미리 설정된 상위 N 개의 검색 결과에서 미리 저장된 온톨로지 정보의 인스턴스에 정의된 단어나 구와 일치하는 엔티티를 하나 이상 추출하여, 상기 추출된 하나 이상의 엔티티를 포함하는 엔티티 정보를 생성한 후 상기 엔티티 정보에 대응되는 연관 쿼리와 상기 엔티티 정보를 포함하는 쿼리 정보를 생성하는 엔티티 생성부와, 상기 엔티티 생성부로부터 상기 쿼리 정보가 수신되면, 검색 의도에 대한 카테고리인 복수의 인텐트와 복수의 쿼리가 상호 매칭되어 미리 저장된 인텐트 DB로부터 상기 엔티티 정보가 생성된 특정 연관 쿼리와 일치하는 쿼리에 매칭된 특정 인텐트를 추출하고, 상기 특정 인텐트와 상기 특정 연관 쿼리에 대응되는 상기 쿼리 정보를 포함하는 학습 데이터를 생성하여 미리 설정된 학습 모델에 학습시키는 학습부 및 사용자 입력에 따른 입력 쿼리를 상기 엔티티 생성 단계의 연관 쿼리로 하여 상기 입력 쿼리에 대한 쿼리 정보를 생성한 후 복수의 서로 다른 키워드에 대해 상기 학습이 완료된 상기 학습 모델에 적용하여 상기 학습 모델을 통해 상기 입력 쿼리에 대응되는 하나 이상의 인텐트별 상관 계수가 포함된 최종 결과를 산출하는 제어부를 포함할 수 있다.A service providing apparatus for providing a search intent according to an embodiment of the present invention automatically generates one or more search queries in which the keyword and the letters are combined while differently adding a series of letters to a keyword, and through a preset search engine. A query generation unit that obtains one or more related queries related to the search query, and a word defined in an instance of ontology information stored in advance from the pre-set top N search results among search results generated by applying the related query to the search engine (B) an entity generator that extracts one or more entities matching the phrase, generates entity information including the extracted one or more entities, and then generates an association query corresponding to the entity information and query information including the entity information; , When the query information is received from the entity generator, a plurality of intents and a plurality of queries, which are categories for search intent, are matched with each other, and a query that matches a specific related query in which the entity information is generated from a pre-stored intent DB A learning unit that extracts a specific intent matched to and generates training data including the query information corresponding to the specific intent and the specific association query, and trains it in a preset learning model, and an input query according to user input At least one corresponding to the input query through the learning model by generating query information for the input query using the association query in the entity creation step, and then applying a plurality of different keywords to the learning model on which the learning has been completed. It may include a control unit that calculates a final result including a correlation coefficient for each intent.

본 발명은 키워드를 기반으로 글자를 추가하면서 검색 엔진의 자동 완성 기능을 이용하여 다수의 쿼리를 자동 생성한 후 쿼리 각각에 대해 검색 엔진을 통해 얻어진 검색 결과로부터 주요 단어나 구를 엔티티로 획득하여 쿼리의 특징인 속성으로 설정한 다음 쿼리에 대해 가장 정확도가 높은 검색 의도와 함께 학습 모델에 학습시켜 쿼리의 속성과 신뢰도가 보장된 검색 의도 사이의 상관 관계가 학습 모델에 학습되도록 할 수 있어, 다수의 쿼리를 자동 생성하여 학습 모델의 학습에 필요한 학습 데이터를 충분히 자동 확보함으로써 학습 모델의 신뢰도 향상을 위해 필요한 학습 데이터의 확보 용이성을 보장할 수 있을 뿐만 아니라, 학습 완료된 학습 모델에 검색 의도 파악을 원하는 사용자의 입력 쿼리를 적용하여 상기 입력 쿼리와 유사도가 일정 수준 이상인 유사 쿼리를 엔티티 기반의 속성 비교를 통해 식별한 후 입력 쿼리와 유사도가 높은 유사 쿼리에 대응되는 검색 의도를 상기 입력 쿼리의 검색 의도로 산출함으로써 입력 쿼리의 검색 의도를 정확하게 파악하여 제시할 수 있는 효과가 있다.In the present invention, a number of queries are automatically generated using the automatic completion function of a search engine while adding letters based on keywords, and then a key word or phrase is obtained as an entity from the search results obtained through the search engine for each query. It is possible to train the learning model with the most accurate search intent for the query and then learn the correlation between the attribute of the query and the search intent with guaranteed reliability in the learning model. Users who want to understand the search intent for the completed learning model as well as ensure the ease of securing the necessary training data to improve the reliability of the learning model by automatically generating a query to sufficiently automatically secure the training data necessary for training the learning model. A similar query with a certain level or higher similarity to the input query is identified through entity-based attribute comparison by applying the input query of, and then the search intent corresponding to the similar query with high similarity to the input query is calculated as the search intent of the input query. By doing so, it has the effect of accurately identifying and presenting the search intention of the input query.

또한, 본 발명은 브랜드, 상품, 서비스 등을 입력 쿼리로 하여 상기 학습 모델에 적용하고, 상기 학습 모델을 통해 최종 결과를 산출하여 상기 최종 결과를 기초로 브랜드, 상품 또는 서비스와 관련성이 높은 하나 이상의 검색 의도별로 상관 계수를 점수화하여 검색 의도별 점수에 따라 검색 의도별 중요도가 구분되도록 도식화한 대시 보드를 생성하여 제공할 수 있으며, 이러한 대시 보드 제공을 통해 사업자가 브랜드나 상품 또는 서비스에 대해 사용자들의 주요 검색 의도를 파악할 수 있도록 제공할 수 있을 뿐만 아니라 브랜드나 상품에 대해 사용자가 무엇을 요구하는지, 왜 찾는지 등에 대한 사용자의 니즈(needs)(소비자의 욕구)를 파악할 수 있도록 제공하여 마케팅 전략을 수립할 수 있도록 지원하는 효과가 있다.In addition, the present invention applies a brand, product, service, etc. as an input query to the learning model, calculates a final result through the learning model, and has one or more high relevance to a brand, product, or service based on the final result. By scoring the correlation coefficient for each search intent, it is possible to create and provide a schematic dashboard so that the importance of each search intent is classified according to the score for each search intent. Marketing strategy can be provided not only to identify the main search intent, but also to understand the user's needs (consumer needs) about what users are asking for and why they are looking for a brand or product. It has the effect of supporting it to be established.

도 1은 본 발명의 실시예에 따른 검색 의도를 제공하기 위한 서비스 제공 장치의 구성도.
도 2는 본 발명의 실시예에 따른 인텐트 DB(104)에 저장되는 정보에 대한 예시도.
도 3은 본 발명의 실시예에 따른 검색 의도를 제공하기 위한 서비스 제공 장치의 학습 과정에 대한 동작 예시도.
도 4는 본 발명의 실시예에 따른 서비스 제공 장치의 연관 쿼리 생성에 대한 예시도.
도 5는 본 발명에서 이용되는 검색 결과에 대한 예시도.
도 6은 본 발명의 실시예에 따른 서비스 제공 장치의 엔티티 추출에 대한 예시도.
도 7은 본 발명의 실시예에 따른 서비스 제공 장치의 학습 데이터 생성에 대한 예시도.
도 8은 SERP의 Feature에 대한 예시도.
도 9는 본 발명의 실시예에 따른 서비스 제공 장치의 검색 엔진에서 제공하는 응답 결과의 이용 예시도.
도 10 및 도 11은 본 발명의 실시예에 따른 서비스 제공 장치의 검색 의도 관련 최종 결과 산출 과정에 대한 동작 예시도.
도 12는 본 발명의 실시예에 따른 서비스 제공 장치의 대시 보드 제공에 대한 예시도.
도 13은 본 발명의 실시예에 따른 서비스 제공 장치의 서비스 제공 방법에 대한 순서도.1 is a block diagram of a service providing apparatus for providing a search intention according to an embodiment of the present invention.
2 is an exemplary view of information stored in the intent DB 104 according to an embodiment of the present invention.
3 is a diagram illustrating an operation of a learning process of a service providing apparatus for providing a search intent according to an embodiment of the present invention.
4 is an exemplary diagram for generating a related query by a service providing apparatus according to an embodiment of the present invention.
5 is an exemplary diagram for a search result used in the present invention.
6 is an exemplary diagram of entity extraction of a service providing apparatus according to an embodiment of the present invention.
7 is an exemplary diagram for generating learning data by a service providing apparatus according to an embodiment of the present invention.
8 is an exemplary diagram for the feature of SERP.
9 is an exemplary view of using a response result provided by a search engine of a service providing device according to an embodiment of the present invention.
10 and 11 are exemplary diagrams illustrating a process of calculating a final result related to a search intent by a service providing apparatus according to an embodiment of the present invention.
12 is an exemplary diagram for providing a dashboard of a service providing apparatus according to an embodiment of the present invention.
13 is a flowchart of a service providing method of a service providing apparatus according to an embodiment of the present invention.

이하, 도면을 참고하여 본 발명의 상세 실시예를 설명한다.Hereinafter, detailed embodiments of the present invention will be described with reference to the drawings.

도 1은 본 발명의 실시예에 따른 검색 의도를 제공하기 위한 서비스 제공 장치(100)의 구성도이다.1 is a block diagram of a service providing apparatus 100 for providing a search intention according to an embodiment of the present invention.

도시된 바와 같이, 본 발명의 실시예에 따른 서비스 제공 장치(100)는, 쿼리 생성부(110)와, 엔티티 생성부(120)와, 학습부(130) 및 제어부(140)를 포함하여 구성될 수 있다.As shown, the service providing apparatus 100 according to the embodiment of the present invention includes a query generating unit 110, an entity generating unit 120, a learning unit 130, and a control unit 140 Can be.

이때, 도 1에 도시된 구성 요소보다 많은 구성 요소에 의해 상기 서비스 제공 장치(100)가 구현될 수도 있고, 그보다 적은 구성 요소에 의해서도 상기 서비스 제공 장치(100)가 구현될 수도 있다.In this case, the service providing apparatus 100 may be implemented by more constituent elements than those shown in FIG. 1, or the service providing apparatus 100 may be implemented by fewer constituent elements.

또한, 상기 서비스 제공 장치(100)를 구성하는 구성부 중 적어도 하나가 다른 하나에 포함되어 구성될 수 있으며, 일례로, 쿼리 생성부(110)와, 엔티티 생성부(120) 및 학습부(130)가 상기 제어부(140)에 포함되어 구성될 수도 있다.In addition, at least one of the constituent units constituting the service providing apparatus 100 may be included in the other, and for example, the query generating unit 110, the entity generating unit 120, and the learning unit 130 ) May be included in the control unit 140 and configured.

또한, 상기 제어부(140)는 미리 저장된 프로그램 및 데이터를 이용하여 상기 서비스 제공 장치(100)의 전반적인 제어 기능을 실행할 수 있다. 또한, 상기 제어부(140)는 RAM, ROM, CPU, GPU, 버스를 포함할 수 있으며, RAM, ROM, CPU, GPU 등은 버스를 통해 서로 연결될 수 있다.In addition, the controller 140 may execute an overall control function of the service providing apparatus 100 by using programs and data stored in advance. In addition, the control unit 140 may include RAM, ROM, CPU, GPU, and bus, and RAM, ROM, CPU, GPU, and the like may be connected to each other through a bus.

또한, 서비스 제공 장치(100)는 복수의 서로 다른 키워드가 저장되는 키워드 DB(101)와, 복수의 서로 다른 쿼리(query)가 저장되는 쿼리 DB(102)와, 온톨로지 정보가 저장된 온톨로지 DB(103) 및 검색 의도에 대한 카테고리인 복수의 서로 다른 인텐트(intent)와 복수의 쿼리 상호 간 대응되는 파라미터끼리 상호 매칭되어 저장된 인텐트 DB(104)를 포함하여 구성될 수 있다.In addition, the service providing device 100 includes a keyword DB 101 in which a plurality of different keywords are stored, a query DB 102 in which a plurality of different queries are stored, and an ontology DB 103 in which ontology information is stored. ) And a plurality of different intents, which are categories for search intent, and an intent DB 104 that is stored by matching parameters corresponding to each other among a plurality of queries.

이때, 도 2에 도시된 바와 같이, 상기 인텐트 DB(104)에 쿼리별로 매칭되어 저장된 인텐트(인텐트 정보)는 쿼리에 대해 다수의 사용자가 합의하여 미리 지정된 검색 의도(질문 의도)이거나 특정 검토자가 해당 쿼리에 대해 미리 지정한 검색 의도(질문 의도)에 대한 정보일 수 있다.In this case, as shown in FIG. 2, the intent (intent information) matched and stored for each query in the intent DB 104 is a predetermined search intention (question intention) or a specific This may be information about the search intent (question intent) previously specified by the reviewer for the query.

또한, 본 발명에서 설명하는 인텐트는, 복수의 서로 다른 검색 의도를 복수의 서로 다른 카테고리(종류)로서 분류하여 미리 결정된 복수의 서로 다른 검색 의도 관련 카테고리 중 어느 하나를 의미하는 것일 수 있으며, 상기 카테고리가 검색 의도 자체일 수도 있다.In addition, the intent described in the present invention may mean any one of a plurality of different search intent related categories determined in advance by classifying a plurality of different search intents as a plurality of different categories (types), and the The category may be the search intent itself.

예를 들어, '제품 리뷰'에 대한 제 1 검색 의도와 '제품 정보 획득'에 대한 제 2 검색 의도는 서로 다른 카테고리로서 분류되며, 인텐트가 상기 제 1 검색 의도 및 제 2 검색 의도 중 어느 하나에 대한 데이터 구성될 수 있다.For example, a first search intent for'product review' and a second search intent for'acquiring product information' are classified as different categories, and an intent is one of the first search intent and the second search intent. The data can be configured.

상기 키워드 DB(101)와, 쿼리 DB(102), 온톨로지 DB(103) 및 인텐트 DB(104)의 사용 예시는 이하를 통해 상세히 설명하며, 상기 서비스 제공 장치(100)는 저장부를 더 포함하여 구성될 수 있고, 이러한 저장부에 상기 키워드 DB(101)와, 쿼리 DB(102), 온톨로지 DB(103) 및 인텐트 DB(104)가 저장될 수 있다.Examples of use of the keyword DB 101, the query DB 102, the ontology DB 103, and the intent DB 104 will be described in detail below, and the service providing device 100 further includes a storage unit. The keyword DB 101, the query DB 102, the ontology DB 103, and the intent DB 104 may be stored in this storage unit.

또한, 상기 저장부에는 상기 제어부(140)가 동작하는데 필요한 데이터 및 프로그램이 저장될 수 있으며, 상기 제어부(140)는 상기 저장부에 미리 저장된 프로그램 및 데이터를 이용하여 상기 서비스 제공 장치(100)의 전반적인 제어 기능을 실행할 수 있다.In addition, the storage unit may store data and programs necessary for the control unit 140 to operate, and the control unit 140 uses programs and data previously stored in the storage unit to Overall control functions can be executed.

또한, 서비스 제공 장치(100)는 통신망을 통해 통신하는 통신부를 더 포함하여 구성될 수 있으며, 상기 서비스 제공 장치(100)를 관리하는 관리자의 관리자 단말과, 상기 서비스 제공 장치(100)에 사용자 입력에 따른 쿼리를 전송하는 사용자 단말 및 각종 외부 서버와 상기 통신부를 통해 통신망으로 통신할 수 있다.In addition, the service providing device 100 may be configured to further include a communication unit that communicates through a communication network, and a manager terminal of an administrator who manages the service providing device 100 and a user input to the service providing device 100 It is possible to communicate with a user terminal and various external servers that transmit a query according to the communication network through the communication unit.

이때, 상기 서비스 제공 장치(100)는 관리자나 사용자로부터 입력을 직접 수신하기 위한 사용자 입력부를 더 포함하여 구성될 수 있고, 상기 사용자 입력부를 통해 관리자나 사용자의 입력을 수신할 수 있다.In this case, the service providing apparatus 100 may further include a user input unit for directly receiving an input from an administrator or a user, and may receive an input from an administrator or a user through the user input unit.

또한, 본 발명에서 설명하는 통신망은, 유/무선 통신망을 포함할 수 있으며, 이러한 무선 통신망의 일례로 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS), 5G 이동통신 서비스, 블루투스(Bluetooth), LoRa(Long Range), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct) 등이 포함될 수 있다. 또한, 유선 통신망으로는 유선 LAN(Local Area Network), 유선 WAN(Wide Area Network), 전력선 통신(Power Line Communication: PLC), USB 통신, 이더넷(Ethernet), 시리얼 통신(serial communication), 광/동축 케이블 등이 포함될 수 있다.In addition, the communication network described in the present invention may include a wired/wireless communication network, and examples of such wireless communication networks include Wireless LAN (WLAN), Digital Living Network Alliance (DLNA), and Wireless Broadband: Wibro. , Wimax (World Interoperability for Microwave Access: Wimax), GSM (Global System for Mobile communication), CDMA (Code Division Multi Access), CDMA2000 (Code Division Multi Access 2000), EV-DO (Enhanced Voice-Data Optimized or Enhanced Voice) -Data Only), WCDMA (Wideband CDMA), HSDPA (High Speed Downlink Packet Access), HSUPA (High Speed Uplink Packet Access), IEEE 802.16, Long Term Evolution (LTE), LTE-A (Long Term Evolution) -Advanced), Wireless Mobile Broadband Service (WMBS), 5G mobile communication service, Bluetooth, LoRa (Long Range), Radio Frequency Identification (RFID), Infrared Data Association (IrDA) , UWB (Ultra Wideband), ZigBee, Near Field Communication (NFC), Ultra Sound Communication (USC), Visible Light Communication (VLC), Wi-Fi , Wi-Fi Direct, etc. may be included. In addition, wired communication networks include wired LAN (Local Area Network), wired WAN (Wide Area Network), Power Line Communication (PLC), USB communication, Ethernet, serial communication, optical/coaxial Cables may be included.

상술한 구성을 토대로, 서비스 제공 장치(100)의 상세 동작 구성을 이하 도면을 참고하여 설명한다.Based on the above-described configuration, a detailed operation configuration of the service providing apparatus 100 will be described below with reference to the drawings.

도 3에 도시된 바와 같이, 우선, 상기 쿼리 생성부(110)는 키워드에 일련의 글자를 상이하게 추가하면서 상기 키워드와 글자가 결합된 하나 이상의 검색 쿼리를 자동 생성하고, 미리 설정된 검색 엔진을 통해 상기 검색 쿼리와 연관된 연관 쿼리를 하나 이상 획득할 수 있다.As shown in FIG. 3, first, the query generator 110 automatically generates one or more search queries in which the keyword and the letters are combined while adding a series of letters to the keyword differently, and through a preset search engine. One or more related queries related to the search query may be obtained.

이를 도 4를 참고하여 설명하면, 상기 쿼리 생성부(110)는 키워드 DB(101)에 저장된 키워드인 '스마트폰'을 추출하고, 상기 키워드에 '가'를 추가하여 '스마트폰 가'와 같은 검색 쿼리를 생성하고, 상기 키워드에 '나'를 추가하여 '스마트폰 나'와 같은 검색 쿼리를 생성할 수 있다.4, the query generating unit 110 extracts the keyword'smartphone' stored in the keyword DB 101, and adds'A' to the keyword, such as'Smartphone Ga'. A search query such as'smart phone me' may be generated by creating a search query and adding'me' to the keyword.

이외에도, 상기 쿼리 생성부(110)는 '스마트폰' 키워드에 '다' 부터 '하'까지의 글자를 순서대로 추가하여 추가된 각 글자에 대응되는 검색 쿼리를 생성할 수 있으며, 상기한 예시 이외에도 상기 키워드에 '강'과 같은 받침이 있는 글자를 추가하거나, 'A'와 같은 외국어를 추가하거나, '가가', '가격', 'AA', 'best' 등과 같은 복수의 글자를 추가할 수도 있다.In addition, the query generation unit 110 may generate a search query corresponding to each added letter by adding letters from'C' to'B' to the keyword'smartphone' in order. To the above keywords, you can also add a character with a base such as'Kang', a foreign language such as'A', or add multiple characters such as'Kaga','Price','AA','best', etc. have.

또한, 상기 쿼리 생성부(110)가 키워드에 추가 가능한 글자는 공백 문자나 특수문자 등을 포함할 수 있다.In addition, characters that can be added to the keyword by the query generator 110 may include blank characters or special characters.

또한, 상기 쿼리 생성부(110)는 상술한 바와 같이 생성된 검색 쿼리인 '스마트폰 가'를 상기 서비스 제공 장치(100)에 미리 설정된 검색 엔진이나 외부 서버와의 통신을 통해 외부 서버에서 제공하는 검색 엔진에 적용하여 상기 검색 엔진으로부터 상기 '스마트폰 가'와 연관된 연관 쿼리를 획득할 수 있다.In addition, the query generation unit 110 provides the'Smart Phone Ga', a search query generated as described above, from an external server through communication with a search engine preset in the service providing device 100 or an external server. By applying it to a search engine, a related query associated with the'smart phone price' may be obtained from the search engine.

이러한 검색엔진의 일례로서, 'NAVER'나 'GOOGLE'의 검색 엔진을 이용할 수 있으며, 상기 검색 엔진이 상기 서비스 제공 장치(100)에 포함된 경우 상기 서비스 제공 장치(100)의 저장부에 상기 검색 엔진 관련 실행 데이터가 저장될 수 있다.As an example of such a search engine, a search engine such as'NAVER' or'GOOGLE' may be used, and when the search engine is included in the service providing device 100, the search is performed in the storage unit of the service providing device 100. Engine-related execution data may be stored.

또한, 상기 연관 쿼리는 상기 검색 엔진이 검색 쿼리를 입력받아 의미 있는 검색어(또는 질의어)로 자동 완성한 자동 완성 검색어(또는 자동 완성 질의어)로 구성될 수 있다.In addition, the related query may be composed of an auto-complete search word (or auto-complete query word) obtained by the search engine and automatically completes a meaningful search query (or query word).

일례로, 상기 검색 엔진은 상기 쿼리 생성부(110)로부터 검색 쿼리로 상기 '스마트폰 가'를 입력받으면 '스마트폰 가'로 시작하거나 상기 검색 쿼리를 포함하는 자동 완성 검색어인 '스마트폰 가격', '스마트폰 강제 연결' 등과 같은 연관 쿼리를 자동 생성하며, 쿼리 생성부(110)는 검색 엔진으로부터 하나의 검색 쿼리에 대해 하나 이상의 연관 쿼리를 획득할 수 있다.For example, when the search engine receives the'smart phone price' as a search query from the query generator 110, it starts with'smart phone price' or'smart phone price' which is an auto-complete search word including the search query. , A related query such as'forced smartphone connection' is automatically generated, and the query generating unit 110 may obtain one or more related queries for one search query from a search engine.

또는, 상기 검색 엔진은 상기 검색 쿼리를 기초로 상기 검색 엔진을 제공하는(포함하는) 외부 서버에 포함되며 쿼리가 저장되는 DB를 검색하여 상기 검색 쿼리로 시작하거나 해당 검색 쿼리가 포함된 연관 쿼리를 획득한 후 상기 쿼리 생성부(110)에 제공할 수도 있다.Alternatively, the search engine is included in an external server that provides (including) the search engine based on the search query, and searches a DB in which the query is stored, and starts with the search query, or a related query including the search query After obtaining, it may be provided to the query generating unit 110.

또한, 상기 검색 엔진은 검색 쿼리에 일련의 글자를 추가하거나 검색 쿼리를 기초로 상기 검색 엔진을 제공하는 외부 서버에 포함되며 쿼리가 저장된 상기 DB를 검색하여 '스마트폰 가성비가 제일 좋은 폰은?'등과 같은 문장으로 연관 쿼리를 생성하거나 상기 DB로부터 상기 검색 쿼리가 포함된 상기 문장을 추출하여 연관 쿼리로 상기 쿼리 생성부(110)에 제공할 수도 있다.In addition, the search engine adds a series of letters to a search query or is included in an external server that provides the search engine based on the search query, and searches the DB in which the query is stored, and asks'Which phone has the best cost performance for a smartphone?' A related query may be generated as a sentence such as, or the sentence including the search query may be extracted from the DB and provided to the query generating unit 110 as a related query.

또한, 상기 쿼리 생성부(110)는 상기 검색 엔진을 통해 획득한 상기 연관 쿼리를 쿼리 DB(102)에 저장할 수 있다.In addition, the query generation unit 110 may store the related query acquired through the search engine in the query DB 102.

또한, 상기 쿼리 생성부(110)는 상기 검색 엔진으로부터 얻은 상기 하나 이상의 연관 쿼리 각각을 검색 엔진에 적용하여 연관 쿼리별로 검색 결과를 상기 검색 엔진을 통해 획득할 수 있다.In addition, the query generator 110 may apply each of the one or more related queries obtained from the search engine to a search engine to obtain a search result for each related query through the search engine.

이때, 상기 쿼리 생성부(110)는 상기 검색 결과를 확인하여 아무것도 검색되지 않는 연관 쿼리를 삭제하거나 제외시켜 상기 쿼리 DB(102)에 저장하지 않을 수 있다. 즉, 상기 쿼리 생성부(110)는 검색 볼륨(search volume)이 0인 연관 쿼리를 상기 쿼리 DB(102)에 저장하지 않고 제외 또는 삭제시킬 수 있다.In this case, the query generation unit 110 may check the search result and delete or exclude a related query in which nothing is searched, and may not store it in the query DB 102. That is, the query generation unit 110 may exclude or delete a related query whose search volume is 0 without storing it in the query DB 102.

일례로, 상기 쿼리 생성부(110)는 '스마트폰 가'의 검색 쿼리에 대응되어 얻어진 연관 쿼리인 '스마트폰 가로줄'과 '스마트폰 갑자기 소리'는 검색 볼륨이 0이므로 쿼리 DB(102)에 저장하지 않고 제외시킨다.For example, the query generation unit 110, the'smart phone horizontal line' and'smart phone sudden sound', which are related queries obtained in response to a search query of'smartphone Ga', have a search volume of 0, so the query DB 102 Exclude without saving.

상술한 바에 따라, 상기 쿼리 생성부(110)는 키워드에 일련의 글자를 추가하여 서로 상이하게 생성한 복수의 검색 쿼리별로 하나 이상의 연관 쿼리를 획득한 후 쿼리 DB(102)에 저장할 수 있다.As described above, the query generator 110 may add a series of letters to a keyword to obtain one or more related queries for each of a plurality of search queries generated differently from each other, and then store them in the query DB 102.

한편, 상기 엔티티 생성부(120)는 상기 쿼리 DB(102)에 저장된 연관 쿼리를 상기 검색 엔진에 적용하여 생성된 검색 결과 중 미리 설정된 상위 N 개의 검색 결과에서 미리 저장된 온톨로지 정보의 인스턴스에 정의된 단어나 구와 일치하는 엔티티를 하나 이상 추출하여, 상기 추출된 하나 이상의 엔티티를 포함하는 엔티티 정보를 생성한 후 상기 엔티티 정보에 대응되는 연관 쿼리와 상기 엔티티 정보를 포함하는 쿼리 정보를 생성할 수 있다.Meanwhile, the entity generation unit 120 applies a related query stored in the query DB 102 to the search engine, and the word defined in an instance of the ontology information stored in advance from the pre-set top N search results One or more entities that match the phrase B may be extracted, entity information including the extracted one or more entities may be generated, and then an association query corresponding to the entity information and query information including the entity information may be generated.

이때, 상기 엔티티 생성부(120)는 상기 쿼리 생성부(110)와 연동하여 상기 쿼리 생성부(110)가 검색 엔진을 통해 획득한 연관 쿼리를 상기 쿼리 생성부(110)로부터 수신하면, 상기 쿼리 생성부(110) 대신 상기 검색 엔진에 연관 쿼리를 적용하여 상기 검색 엔진을 통해 연관 쿼리에 대응되는 검색 결과를 얻을 수도 있으며, 아무런 검색 결과가 없는 연관 쿼리에 대해 상기 쿼리 생성부(110)를 제어하여 해당 연관 쿼리를 쿼리 DB(102)에 저장하지 않을 수 있다.At this time, the entity generation unit 120 interlocks with the query generation unit 110 to receive the related query obtained by the query generation unit 110 through the search engine from the query generation unit 110, the query It is also possible to obtain a search result corresponding to the related query through the search engine by applying a related query to the search engine instead of the generation unit 110, and control the query generation unit 110 for a related query without any search results. Therefore, the related query may not be stored in the query DB 102.

또한, 상기 쿼리 생성부(110)는 상기 엔티티 생성부(120)에 포함되어 구성될 수도 있다.In addition, the query generation unit 110 may be included in the entity generation unit 120 and configured.

상술한 바에 대한 예시로, 도 5에 도시된 바와 같이, 상기 검색 엔진이 생성하는 하나 이상의 검색 결과별 검색 결과 정보 각각은 검색 언어, 검색 지역, 검색엔진 이름, 검색결과 포지션(순위), 도메인, 타이틀, 본문 등을 포함할 수 있으며, 텍스트 기반의 문서로 구성될 수 있다.As an example of the foregoing, as shown in FIG. 5, each of the search result information for each one or more search results generated by the search engine includes a search language, a search region, a search engine name, a search result position (rank), a domain, and It can include a title, body, etc., and can be composed of a text-based document.

이에 따라, 상기 엔티티 생성부(120)는 특정 연관 쿼리에 대응되어 상기 검색 엔진을 통해 산출된 상기 검색 결과별 검색 결과 정보 각각에서 검색 결과 순위를 확인하여 상기 상위 N 개에 따른 미리 설정된 순위 내에 포함되는 하나 이상의 검색 결과를 대상으로 엔티티를 추출할 수 있다.Accordingly, the entity generating unit 120 checks the ranking of the search results from each of the search result information for each search result calculated through the search engine in response to a specific association query, and includes within a preset ranking according to the top N. Entities can be extracted from one or more search results.

이때, 상기 상위 N 개에 따른 미리 설정된 순위는 상기 엔티티 생성부(120)에 미리 설정될 수 있다.In this case, a preset ranking according to the top N may be preset in the entity generator 120.

또한, 상기 온톨로지 정보는 사물이나 개념에 해당하는 복수의 서로 다른 개체별 개체 정의 정보를 포함하고, 상기 개체 정의 정보는 상기 개체의 범주에 해당되는 클래스(class)와 상기 개체의 개체명인 인스턴스(instance)를 포함할 수 있다.In addition, the ontology information includes entity definition information for each of a plurality of different entities corresponding to an object or concept, and the entity definition information includes a class corresponding to the category of the entity and an instance name of the entity. ) Can be included.

일반적으로 온톨로지(Ontology)란, 사람들이 세상에 대하여 보고 듣고 느끼고 생각하는 것에 대하여 서로 간의 토론을 통하여 합의를 이룬 바를 개념적이고 컴퓨터에서 다룰 수 있는 형태로 표현한 모델을 의미한다.In general, Ontology refers to a model that expresses what people see, hear, feel, and think about the world through discussions between them and what they have achieved in a conceptual and computer-controllable form.

또한, 클래스와 인스턴스는 온톨로지를 이루는 구성 요소이며, 클래스는 일반적으로 사물이나 개념 등에 붙이는 이름으로서, "키보드", "모니터", "사랑"과 같은 것은 모두 클래스라고 할 수 있다.In addition, classes and instances are constituent elements that make up an ontology, and classes are generally names attached to things or concepts, and things such as "keyboard", "monitor", and "love" can all be called classes.

또한, 인스턴스는 사물이나 개념의 구체물이나 사건 등의 실질적인 형태로 나타난 그 자체를 의미할 수 있으며, "LG전자 ST-500 울트라슬림 키보드", "삼성 싱크마스터 Wide LCD 모니터", "로미오와 줄리엣의 사랑"은 인스턴스라 볼 수 있다. 이와 같은 클래스와 인스턴스의 구분은 응용과 사용목적에 따라서 매우 달라질 수 있다. 즉, 같은 표현의 개체가 어떠한 경우에는 클래스가 되었다가 다른 경우에는 인스턴스가 될 수 있다.In addition, an instance can refer to itself appearing in a practical form of an object or concept, or an event, and "LG Electronics ST-500 Ultraslim Keyboard", "Samsung Syncmaster Wide LCD Monitor", "Romeo and Juliet" "Love" can be seen as an instance. Classification of class and instance can be very different depending on the application and purpose of use. In other words, an object with the same expression can become a class in some cases and an instance in other cases.

또한, 상기 온톨로지 정보는 온톨로지 DB(103) 자체를 의미하는 것일 수도 있다.In addition, the ontology information may refer to the ontology DB 103 itself.

또한, 상기 제어부(140)는 온라인 전자 사전을 제공하는 외부 지식 서버로부터 상기 개체 정의 정보를 수집하고, 수집된 개체 정의 정보를 상기 온톨로지 DB(103)의 온톨로지 정보에 포함시켜 저장할 수 있다. 이러한 외부 지식 서버의 일례로서, DBPEDIA나 위키백과 등을 제공하는 서버를 포함할 수 있다.In addition, the control unit 140 may collect the entity definition information from an external knowledge server that provides an online electronic dictionary, and store the collected entity definition information in the ontology information of the ontology DB 103. An example of such an external knowledge server may include a server that provides DBPEDIA or Wikipedia.

또한, 상기 제어부(140)는 상기 서비스 제공 장치(100)에 구성된 사용자 입력부를 통한 사용자 입력을 기초로 특정 개체에 대해 온톨로지 구조에 맞게 체계화된 사용자 정의 정보를 입력받아 상기 개체 정의 정보를 생성한 후 상기 온톨로지 정보에 포함시켜 상기 온톨로지 DB(103)에 저장할 수 있다.In addition, the control unit 140 receives user-defined information organized according to an ontology structure for a specific object based on a user input through a user input unit configured in the service providing device 100 and generates the object definition information. It may be included in the ontology information and stored in the ontology DB 103.

상술한 바에 따른 일례를 도 6을 참고하여 설명하면, 상기 엔티티 생성부(120)는 쿼리 DB(102)에 저장된 연관 쿼리인 'galaxy s10 unboxing'을 추출한 후 상기 연관 쿼리를 상기 검색 엔진에 적용하여 하나 이상의 검색 결과를 얻을 수 있다.Referring to FIG. 6, the entity generating unit 120 extracts'galaxy s10 unboxing', which is a related query stored in the query DB 102, and then applies the related query to the search engine. You can get more than one search result.

이때, 상기 검색 엔진은 상기 연관 쿼리에 대해 상기 하나 이상의 검색 결과를 포함하는 하나의 웹 페이지(web page)를 제공할 수 있으며, 상기 검색 엔진은 상기 하나 이상의 검색 결과 각각을 하나의 웹 페이지 내에서 구획되어 상호 구분 가능하도록 상기 웹 페이지에 포함시킬 수 있다.In this case, the search engine may provide one web page including the one or more search results for the related query, and the search engine may provide each of the one or more search results within one web page. It may be included in the web page to be divided and distinguishable from each other.

이에 따라, 상기 엔티티 생성부(120)는 상기 연관 쿼리를 검색 엔진에 적용하여 얻어진 하나 이상의 검색 결과 중에서 상기 연관 쿼리와의 연관도가 높은 미리 설정된 상위 N개의 검색 결과를 대상으로 각 검색 결과의 텍스트를 식별할 수 있으며, 상기 온톨로지 DB(103)에 미리 저장된 온톨로지 정보를 기초로 상기 온톨로지 정보에 포함되는 사물이나 개념에 대한 복수의 서로 다른 개체별로 인스턴스에 정의된 단어나 구와 일치하는 텍스트를 상기 연관 쿼리의 엔티티(entity)로서 추출할 수 있다.Accordingly, the entity generating unit 120 targets the pre-set top N search results having a high correlation with the related query among one or more search results obtained by applying the related query to a search engine. Can be identified, and based on the ontology information stored in advance in the ontology DB 103, a text matching a word or phrase defined in an instance for each of a plurality of different entities for an object or concept included in the ontology information is associated with the It can be extracted as an entity of the query.

일례로, 상기 엔티티 생성부(120)는, 연관 쿼리인 'galaxy s10 unboxing'에 대응되어, 상기 검색 결과로부터 'galaxy s10', 'Samsung', 'Review', 'UI', 'larger display', 'camera', 'battery', 'fingerprint', '6.1-inch', '5G' 등과 같이 온톨로지 정보의 개체 정의 정보에 포함된 개체명과 일치하는 단어나 구를 식별하고 이를 엔티티로서 상기 연관 쿼리인 'galaxy s10 unboxing'에 대응되어 추출할 수 있다.As an example, the entity generating unit 120 corresponds to a related query'galaxy s10 unboxing', and from the search result'galaxy s10','Samsung','Review','UI','larger display', Identify words or phrases that match the entity name included in the entity definition information of ontology information such as'camera','battery','fingerprint', '6.1-inch', and '5G', and use this as an entity. It can be extracted corresponding to'unboxing of galaxy s10'.

이때, 상술한 엔티티 추출 과정에서 상기 예시에서는 연관 쿼리의 검색 의도가 스마트폰인 'galaxy s10'에 대한 것이며, 연관 쿼리에 대응되어 추출된 엔티티 역시 'galaxy s10'과 같이 구절로서 검색 의도에 맞게 정확하게 출력된 사례를 예시로 나타냈으나, 'galaxy s10'이 아닌 'galaxy'와 같이 추출되는 경우가 발생할 수도 있으며 이러한 단어는 스마트폰과 관계 없는 '은하'를 의미할 수도 있어 중의어 문제가 발생할 수도 있다.At this time, in the above-described entity extraction process, in the above example, the search intention of the association query is for'galaxy s10', which is a smartphone, and the extracted entity corresponding to the association query is also a phrase such as'galaxy s10' to accurately match the search intention. Although the printed case is shown as an example, there may be cases where it is extracted like'galaxy' instead of'galaxy s10', and these words may mean'galaxies' that are not related to the smartphone, so Chinese language problems may occur. have.

이러한 중의성 문제를 해소하기 위해, 사용자가 본 발명을 이용한 검색 의도 파악이 상품이나 서비스의 트렌드 분석과 같은 특정 목적을 위한 것인 경우, 상기 제어부(140)는 외부 지식 서버로부터 개체 정의 정보 수집시 개체 정의 정보에 포함되는 클래스에 지정된 파라미터의 범위를 한정하기 위한 사용자 입력에 따른 설정 정보를 수신하여 저장할 수 있으며, 상기 설정정보를 기초로 사용자에 의해 지정된 클래스의 파라미터인 Person, Location, Place, Products, Organization, Company, Brand 등의 회사, 제품 및 서비스 관련 클래스와 연관된 개체 정의 정보만을 수집하여 상기 온톨로지 DB(103)에 저장할 수 있다.In order to solve this ambiguity problem, when the user grasps the search intention using the present invention is for a specific purpose such as trend analysis of a product or service, the control unit 140 collects entity definition information from an external knowledge server. Receive and store setting information according to user input to limit the range of parameters specified in the class included in the object definition information, and based on the setting information, the parameters of the class specified by the user: Person, Location, Place, and Products Only entity definition information related to classes related to companies, products and services such as, Organization, Company, and Brand may be collected and stored in the ontology DB 103.

이에 따라, 상기 엔티티 생성부(120)는 회사, 제품 및 서비스와 관련된 클래스가 설정된 개체 정의 정보만이 수집된 온톨로지 DB(103)를 기초로 상기 연관 쿼리에 대응되어 검색된 검색 결과에서 회사, 제품 및 서비스와 관련된 엔티티만을 추출할 수 있어, 스마트폰을 의미하는 'galaxy s10'이 포함된 연관 쿼리에 대해 스마트폰과 관계 없는 단어나 구가 엔티티로 추출되는 것을 방지할 수 있다.Accordingly, the entity generator 120 corresponds to the related query based on the ontology DB 103 in which only entity definition information for which a class related to a company, product, and service is set is collected, and the company, product, and Since only entities related to the service can be extracted, it is possible to prevent words or phrases that are not related to the smartphone from being extracted as entities for a related query that includes'galaxy s10' which means a smartphone.

또는, 상기 엔티티 생성부(120)는 연관 쿼리인 'galaxy s10 unboxing'에 대해 'galaxy'와 's10'으로 복수의 개별 엔티티를 추출한 경우 연관 쿼리에 대응되어 검색된 상위 N개의 검색 결과 중 어느 하나에서 개별 엔티티인 'galaxy'와 's10'이 'galaxy s10'으로 연속 배치된 경우가 존재하는지 판단하여, 연속 배치된 경우가 존재하면 개별 엔티티인 'galaxy'와 's10'을 하나의 엔티티로 결합한 'galaxy s10'에 대한 문맥 정보를 생성하고, 상기 문맥 정보에 대해 상기 상위 N개의 검색 결과에서 출현 빈도를 연산하여 출현 빈도가 미리 설정된 기준치 이상인 경우 상기 문맥 정보의 생성에 관여된 복수의 개별 엔티티인 'galaxy'와 's10'이 연관 쿼리와 관련되어 하나의 엔티티인 'galaxy s10'일때 엔티티로서 의미를 가지는 것으로 판단하여 상기 복수의 개별 엔티티를 하나의 엔티티로 대체할 수 있다.Alternatively, when the entity generating unit 120 extracts a plurality of individual entities with'galaxy' and's10' for the association query'galaxy s10 unboxing', from one of the top N search results searched in response to the association query It is determined whether there is a case where the individual entities'galaxy' and's10' are consecutively arranged as'galaxy s10', and if there is a continuous arrangement, the individual entities'galaxy' and's10' are combined into one entity. When context information for galaxy s10' is generated, and the frequency of appearance is calculated from the top N search results for the context information, when the frequency of appearance is greater than or equal to a preset reference value, a plurality of individual entities involved in the generation of the context information, ' When'galaxy' and's10' are related to an association query and are'galaxy s10', which is one entity, it is determined that they have a meaning as an entity, and the plurality of individual entities may be replaced with one entity.

이때, 상기 엔티티는 복수의 개별 엔티티가 검색결과에서 연속적으로 배치될 때에만 상기 복수의 개별 엔티티에 대해 상술한 바와 같이 문맥 정보를 생성하고, 해당 문맥 정보에 대해 엔티티로서의 유효성을 판단할 수 있다.In this case, the entity may generate context information for the plurality of individual entities as described above only when a plurality of individual entities are consecutively arranged in the search result, and determine the validity of the context information as an entity.

또한, 상기 엔티티 생성부(120)는 상기 연관 쿼리에 대응되어 검색 결과에서 추출된 하나 이상의 엔티티를 포함하는 엔티티 정보를 상기 연관 쿼리에 대응되어 생성할 수 있다.In addition, the entity generator 120 may generate entity information including one or more entities extracted from a search result corresponding to the association query in response to the association query.

이때, 상기 엔티티 생성부(120)는 상기 연관 쿼리에 대응되어 추출된 하나 이상의 엔티티를 후보 엔티티로 설정하고, 상기 상위 N 개의 검색 결과를 대상으로 상기 후보 엔티티별 출현 빈도를 연산하여 출현 빈도가 미리 설정된 기준치 이상인 후보 엔티티만을 주요 엔티티로서 상기 엔티티 정보에 포함시킬 수 있다.At this time, the entity generator 120 sets one or more entities extracted in correspondence with the association query as candidate entities, and calculates the appearance frequency of each candidate entity for the top N search results, so that the appearance frequency is determined in advance. Only candidate entities equal to or greater than the set reference value may be included in the entity information as main entities.

일례로, 상기 엔티티 생성부(120)는 연관 쿼리인 'galaxy s10 unboxing'에 대해 얻어진 'galaxy s10', 'Samsung', 'Review', 'UI', 'larger display', 'camera', 'battery', 'fingerprint', '6.1-inch', '5G'를 각각 후보 엔티티로서 추출하고, 출현빈도가 미리 설정된 기준치 미만인 '5G'를 제외한 나머지 후보 엔티티를 상기 연관 쿼리의 주요 엔티티로 하여 상기 주요 엔티티만이 포함된 엔티티 정보를 생성할 수 있다.As an example, the entity generation unit 120 may provide'galaxy s10','Samsung','Review','UI','larger display','camera', and'battery' obtained for the association query'galaxy s10 unboxing'. ','fingerprint', '6.1-inch', and '5G' are extracted as candidate entities, respectively, and the remaining candidate entities except for '5G' whose appearance frequency is less than a preset reference value are used as main entities of the association query, the main entity Entity information containing only can be created.

또한, 상술한 구성에서, 상기 엔티티 생성부(120)는 주요 단어 또는 어구를 추출하기 위해 간단하지만 효과적인 텍스트랭크(TextRank) 알고리즘을 이용하여, 상기 후보 엔티티 중에서 주요 단어 또는 어구를 추출하여 상기 엔티티 정보에 포함될 주요 엔티티로서 선택하거나, 단어와 단어 간 PMI(Point-wise Mutual Information) 값을 계산하여 높은 값을 갖는 단어 쌍을 묶음으로 주요 엔티티로 선택할 수도 있다.In addition, in the above-described configuration, the entity generating unit 120 extracts a key word or phrase from the candidate entities by using a simple but effective TextRank algorithm to extract the key word or phrase, and the entity information It may be selected as a major entity to be included in the data, or a pair of words having a high value may be selected as a major entity by calculating a point-wise mutual information (PMI) value between words and words.

상술한 구성에서, 상기 엔티티 생성부(120)는 상기 연관 쿼리를 쿼리의 문맥을 분석하는 BERT(Bidirectional Encoder Representations from Transformer) 모델이 포함된 검색 엔진에 적용하여 상기 검색 엔진으로부터 얻어진 상위 N 개의 검색 결과를 대상으로 상기 엔티티 정보를 생성할 수도 있다.In the above configuration, the entity generating unit 120 applies the association query to a search engine including a Bidirectional Encoder Representations from Transformer (BERT) model that analyzes the context of the query, and the top N search results obtained from the search engine The entity information may be generated for the target.

이때, 상기 BERT 모델은 쿼리의 검색 의도를 파악하여 쿼리에 대한 정확한 검색 결과를 제공하기 위한 구글의 검색 엔진에 적용되는 모델로서, 상기 BERT 모델을 이용하여 상기 연관 쿼리의 검색 의도와 연관성이 높은 엔티티를 선택할 수 있다.In this case, the BERT model is a model applied to Google's search engine for providing accurate search results for the query by identifying the search intention of the query, and the entity having high relevance to the search intention of the related query using the BERT model You can choose

상술한 바를 통해 얻어진 상기 엔티티 정보에 포함된 엔티티는 연관 쿼리의 특징을 나타내는 속성으로 결정된다.The entity included in the entity information obtained through the above-described method is determined as an attribute representing the characteristics of the association query.

다시 말해, 이미지를 예로 들면, 이미지에 포함된 객체에 대응되는 개체를 딥러닝 알고리즘과 같은 학습 모델을 통해 식별하기 위해서 이미지로부터 특징점을 추출하여 이미지의 속성으로 학습 모델에 학습시키게 되는데, 이미지를 쿼리에 대응시키면 엔티티는 쿼리에 대해 이미지의 특징점과 같은 역할로 사용될 수 있다.In other words, taking an image as an example, in order to identify an object corresponding to an object included in the image through a learning model such as a deep learning algorithm, feature points are extracted from the image and trained in the learning model as an attribute of the image. Corresponding to, the entity can be used as a feature point of an image for a query.

또한, 상기 엔티티 생성부(120)는 상술한 바와 같이 특정 연관 쿼리에 대해 엔티티 정보가 생성되면, 상기 특정 연관 쿼리에 대응어 생성된 엔티티 정보와 상기 특정 연관 쿼리를 포함하는 쿼리 정보를 생성할 수 있다.In addition, when entity information is generated for a specific association query as described above, the entity generation unit 120 may generate entity information generated in response to the specific association query and query information including the specific association query. .

이때, 상기 엔티티 생성부(120)는 상기 쿼리 DB(102)에 저장된 복수의 서로 다른 연관 쿼리 각각에 대해 상술한 바의 동작 구성을 통해 상기 복수의 서로 다른 연관 쿼리와 각각 대응되는 복수의 서로 다른 쿼리 정보를 생성할 수 있으며, 상기 복수의 쿼리 정보를 쿼리 DB(102)에 저장할 수 있다.In this case, the entity generating unit 120 is a plurality of different related queries respectively corresponding to the plurality of different related queries through the operation configuration as described above for each of the plurality of different related queries stored in the query DB 102 Query information may be generated, and the plurality of query information may be stored in the query DB 102.

한편, 상기 학습부(130)는 상기 엔티티 생성부(120)로부터 상기 쿼리 정보를 수신하거나 상기 쿼리 DB(102)로부터 쿼리 정보를 추출할 수 있다.Meanwhile, the learning unit 130 may receive the query information from the entity generation unit 120 or extract the query information from the query DB 102.

또한, 상기 서비스 제공 장치(100)는 상술한 바와 같이 검색 의도에 대한 카테고리인 복수의 서로 다른 인텐트와 복수의 쿼리가 상호 매칭되어 미리 저장된 인텐트 DB(104)를 포함할 수 있으며, 상기 학습부(130)는 상기 쿼리 정보에 포함된 특정 연관 쿼리와 일치하는(매칭되는) 쿼리가 상기 인텐트 DB(104)에 존재하는지 판단할 수 있다.In addition, as described above, the service providing device 100 may include a pre-stored intent DB 104 by matching a plurality of different intents and a plurality of queries, which are categories for search intent, to each other, and the learning The unit 130 may determine whether a query matching (matching) a specific related query included in the query information exists in the intent DB 104.

이때, 상기 인텐트 DB(104)에 저장된 복수의 서로 다른 쿼리 중 일부는 상호 동일한 인텐트에 매칭될 수 있다.In this case, some of the plurality of different queries stored in the intent DB 104 may be matched to the same intent.

또한, 상기 학습부(130)는 상기 쿼리 정보에 따른 특정 연관 쿼리와 일치하는 쿼리에 매칭된 특정 인텐트를 상기 인텐트 DB(104)로부터 추출할 수 있다.In addition, the learning unit 130 may extract a specific intent matched with a query matching a specific related query according to the query information from the intent DB 104.

이에 따라, 상기 학습부(130)는 상기 엔티티 정보가 생성된 상기 특정 연관 쿼리와 일치하는 쿼리에 매칭된 특정 인텐트가 상기 인텐트 DB(104)로부터 추출되면, 상기 인텐트 DB(104)로부터 추출된 특정 인텐트와 상기 특정 연관 쿼리에 대응되는 쿼리 정보를 포함하는 학습 데이터를 상기 특정 연관 쿼리에 대응되어 생성할 수 있다.Accordingly, the learning unit 130, when the specific intent matched to the query matching the specific association query in which the entity information is generated is extracted from the intent DB 104, from the intent DB 104 Learning data including the extracted specific intent and query information corresponding to the specific related query may be generated in response to the specific related query.

일례로, 도 7에 도시된 바와 같이, 상기 학습부(130)는 쿼리 정보에 포함된 특정 연관 쿼리인 'galaxy s10 unboxing'에 대해 상기 특정 연관 쿼리와 일치하는 쿼리에 매칭되어 상기 인텐트 DB(104)에 미리 저장된 검색 의도에 대한 데이터값인 'Review.Product'를 상기 특정 연관 쿼리의 검색 의도인 특정 인텐트로 상기 인텐트 DB(104)로부터 추출하고, 상술한 바와 같이 상기 특정 연관 쿼리에 대응되어 얻어진 엔티티 정보와, 상기 특정 연관 쿼리 및 상기 특정 인텐트를 포함하는 학습 데이터를 생성할 수 있다.As an example, as shown in FIG. 7, the learning unit 130 matches a query matching the specific association query for'galaxy s10 unboxing', which is a specific association query included in the query information, so that the intent DB ( 104) is extracted from the intent DB 104 as a specific intent, which is a search intent of the specific related query, as a data value for the search intent stored in advance. It is possible to generate learning data including the correspondingly obtained entity information, the specific association query and the specific intent.

또한, 상기 학습부(130)에는 학습 모델이 미리 설정될 수 있으며, 상기 학습 모델은 딥러닝(Deep learning) 알고리즘으로 구성될 수 있다.In addition, a learning model may be set in advance in the learning unit 130, and the learning model may be configured with a deep learning algorithm.

이때, 상기 딥러닝 알고리즘은 하나 이상의 신경망 모델로 구성될 수 있다.In this case, the deep learning algorithm may be composed of one or more neural network models.

또한, 본 발명에서 설명하는 신경망 모델(또는 신경망)은 입력층(Input Layer), 하나 이상의 은닉층(Hidden Layers) 및 출력층(Output Layer)으로 구성될 수 있으며, 상기 신경망 모델에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), SVM(Support Vector Machine) 등과 같은 다양한 종류의 신경망이 적용될 수 있다.In addition, the neural network model (or neural network) described in the present invention may be composed of an input layer, one or more hidden layers, and an output layer, and the neural network model includes a deep neural network (DNN). , Recurrent Neural Network (RNN), Convolutional Neural Network (CNN), Support Vector Machine (SVM), and the like can be applied to various types of neural networks.

이에 따라, 상기 학습부(130)는 학습 데이터가 생성되면 해당 학습 데이터를 학습 모델에 학습시킬 수 있으며, 쿼리 DB(102)에 저장되는 복수의 서로 다른 쿼리 정보 각각에 대응되어 상술한 바와 같이 복수의 서로 다른 쿼리 정보와 각각 대응되는 복수의 서로 다른 학습 데이터를 생성하여 상기 학습 모델에 학습시킬 수 있다.Accordingly, when the training data is generated, the learning unit 130 may train the training data to the learning model, and as described above, corresponding to each of a plurality of different query information stored in the query DB 102 A plurality of different training data corresponding to different query information of may be generated and trained in the learning model.

상술한 구성을 통해, 상기 학습부(130)는 상기 학습 모델에 엔티티 정보에 따른 엔티티를 속성으로 하는 쿼리(연관 쿼리)와 검색 의도인 인텐트 사이의 상관 관계를 상기 학습 모델에 학습시킬 수 있다.Through the above-described configuration, the learning unit 130 may train the learning model to learn a correlation between a query (associated query) having an entity as an attribute according to entity information in the learning model and an intent that is a search intention. .

즉, 상기 학습부(130)는 쿼리가 가지는 쿼리 자체의 데이터값과 쿼리에 대응되는 엔티티에 따른 속성값에 의해 검색 의도가 결정되도록 학습 모델을 학습시킬 수 있으며, 복수의 쿼리 상호 간 중복되는 데이터가 많고 데이터값의 차이가 거의 없는 경우라 하더라도 복수의 쿼리 상호 간 속성으로 가지는 엔티티가 서로 상이한 경우 복수의 쿼리 상호 간 검색 의도가 상이하게 산출될 수 있다.That is, the learning unit 130 may train the learning model so that the search intention is determined by the data value of the query itself and the attribute value according to the entity corresponding to the query, and overlapping data between a plurality of queries Even if there are many and there is little difference in data value, when the entities that have as attributes between the plurality of queries are different from each other, the search intention between the plurality of queries may be calculated differently.

다시 말해, 학습부(130)는 특정 쿼리에 대해 검색 엔진을 통해 검색시 특정 쿼리에 대한 검색 의도에 대한 정확도가 높은 상위 N개의 검색 결과에서 공통적으로 나타나는 주요 단어나 구를 상기 특정 쿼리의 검색 의도에 대한 특징을 정확하게 나타내는 속성으로 결정하면서 특정 쿼리에 대해 다수의 사용자들이 합의하여 미리 지정한 검색 의도와 상기 특정 검색 쿼리에 대해 결정된 속성을 상호 매칭하여 학습 모델에 학습시킴으로써, 쿼리의 속성과 쿼리에 부여한 검색 의도 사이의 상관 관계를 학습 모델을 학습시킬 수 있으며, 이를 통해 쿼리를 검색 엔진에 적용하여 얻어진 검색 결과에 나타나는 쿼리의 속성인 엔티티를 이용하여 쿼리의 검색 의도를 학습 모델이 정확하게 식별할 수 있도록 학습 모델을 생성할 수 있다.In other words, when searching through a search engine for a specific query, the learning unit 130 selects key words or phrases commonly appearing in the top N search results with high accuracy for the search intention for a specific query. While determining as an attribute that accurately represents the characteristics for a specific query, a number of users agreed on a specific query, and the predetermined search intent and the attribute determined for the specific search query are matched to each other and trained in the learning model. A learning model can learn the correlation between search intents, and through this, the learning model can accurately identify the search intent of the query using entities, which are properties of the query, appearing in the search results obtained by applying the query to the search engine. You can create a learning model.

또한, 상기 학습부(130)는 상기 제어부(140)의 제어를 통해 상기 쿼리 생성부(110) 및 엔티티 생성부(120)와 연동하여 상기 키워드 DB(101)에 저장된 복수의 키워드에 대해 상술한 과정을 수행하여 복수의 키워드별로 하나 이상의 학습 데이터를 생성함으로써 복수의 학습 데이터를 생성할 수 있으며, 학습 데이터 생성시마다 상기 학습 모델에 학습시킬 수 있다.In addition, the learning unit 130 interlocks with the query generation unit 110 and the entity generation unit 120 through the control of the control unit 140 to describe a plurality of keywords stored in the keyword DB 101. A plurality of training data may be generated by generating one or more training data for each of a plurality of keywords by performing a process, and each training data may be trained in the training model.

이를 통해, 상기 학습부(130)는 상기 학습 데이터를 이용한 상기 학습 모델의 학습을 통해 쿼리가 속성으로 가지는 엔티티 정보의 변화에 따라 상기 쿼리와 상기 인텐트 사이의 상관관계가 상기 학습 모델에 설정되도록 할 수 있다.Through this, the learning unit 130 allows the correlation between the query and the intent to be set in the learning model according to a change in entity information that a query has as an attribute through learning of the learning model using the learning data. can do.

한편, 상술한 구성에서, 상기 검색 엔진은 입력으로 수신된 연관 쿼리에 대해 웹 사이트나 웹 페이지에 대한 문서 기반의 검색 결과를 제공하는 것 이외에 검색 엔진에서 연관 쿼리의 검색 의도를 파악하여 검색 엔진에서 제공하는 하나 이상의 서로 다른 고유 응답 기능 중 상기 파악된 검색 의도에 대응되는 응답 기능을 이용하여 직접 응답 결과를 상기 검색 결과로 제공할 수 있다.On the other hand, in the above-described configuration, in addition to providing document-based search results for a web site or web page for a related query received as an input, the search engine recognizes the search intention of the related query in the search engine. A direct response result may be provided as the search result by using a response function corresponding to the identified search intention among one or more different unique response functions provided.

일례로, 도 8에 도시된 바와 같이, 구글의 검색 엔진은 SERP(Search Engine Result Page)를 통해 검색 결과를 하나 이상 제공하며, SERP를 통해 제공되는 검색 결과들 중 쿼리의 검색 의도를 파악하여, 검색 의도에 대응되어 스니펫(Snippets), 쇼핑 광고(Shopping Ads), 답변 박스(Answer box), 리뷰(Review), 피쳐드 비디오(Feaured Video) 등과 같은 상기 검색 엔진에 미리 설정된 복수의 서로 다른 응답 기능별 기능 종류 중 검색 의도에 대응되는 기능 종류(feature)에 따른 응답 결과를 생성하여 제공하고 있다.For example, as shown in FIG. 8, Google's search engine provides one or more search results through SERP (Search Engine Result Page), and identifies the search intention of a query among search results provided through SERP, A plurality of different responses preset in the search engine, such as Snippets, Shopping Ads, Answer Box, Review, Featured Video, etc. in response to the search intent Among the function types for each function, the response result according to the function type corresponding to the search intention is generated and provided.

예를 들어, 도 9에 도시된 바와 같이, 구글의 검색 엔진은 'galaxy s10 가격'에 대한 쿼리를 입력받으면 해당 쿼리의 검색 의도를 파악하여, 답변과 관련된 검색 결과를 제시하는 응답 기능인 답변 박스(Answer box)와 관련된 것으로 판단하고, 복수의 기능 종류(응답 기능) 중 어느 하나인 답변 박스에 대한 응답 결과를 생성할 수 있으며, 이러한 응답 결과에 대응되는 기능 종류(응답 기능)의 식별자인 'answer_box'를 상기 응답 결과에 포함시켜 제공한다.For example, as shown in FIG. 9, when a search engine of Google receives a query for'galaxy s10 price', it recognizes the search intention of the query and presents a search result related to the answer. Answer box), and can generate a response result for an answer box that is one of a plurality of function types (response function), and'answer_box', an identifier of the function type (response function) corresponding to the response result. 'Is included in the response result and provided.

따라서, 상기 엔티티 생성부(120)는 상기 검색 엔진에서 상기 연관 쿼리에 대응되어 산출한 하나 이상의 검색 결과 중 적어도 하나가 상기 검색 엔진이 검색 의도를 파악하여 생성한 응답결과인 경우 상기 응답 결과 각각에서 상기 응답 결과에 대응되는 기능 종류를 추출할 수 있다.Accordingly, when at least one of the one or more search results calculated by the search engine in response to the related query is a response result generated by the search engine grasping the search intention, the entity generating unit 120 is A function type corresponding to the response result may be extracted.

이때, 상기 추출된 기능 종류는 기능 종류에 대한 식별자를 의미할 수 있다.In this case, the extracted function type may mean an identifier for the function type.

또한, 상기 엔티티 생성부(120)는 상기 연관 쿼리에 대응되어 생성된 검색 결과에서 추출하거나 상기 연관 쿼리에 대응되어 생성된 응답결과별로 추출한 하나 이상의 기능 종류와 상기 엔티티 정보가 상기 연관 쿼리의 속성으로 설정되도록 상기 쿼리 정보를 생성할 수 있다.In addition, the entity generating unit 120 extracts one or more function types and the entity information extracted from a search result generated in response to the association query or for each response result generated in response to the association query as an attribute of the association query. The query information can be generated to be set.

일례로, 도 7에 도시된 바와 같이, 특정 연관 쿼리인 'galaxy s10 unboxing'에 대해 상기 검색 엔진이 산출한 하나 이상의 응답 결과 각각에 포함된 기능 종류인 'video'와 'shopping'을 상기 쿼리 정보에 상기 특정 연관 쿼리에 대응되는 속성으로 포함시킬 수 있다.As an example, as shown in FIG. 7, the query information includes'video' and'shopping', which are function types included in each of one or more response results calculated by the search engine for a specific related query'galaxy s10 unboxing'. May be included as an attribute corresponding to the specific related query.

또한, 학습부(130)는 상기 검색 엔진에서 제공하는 응답 기능의 기능 종류가 포함된 쿼리 정보를 기초로 학습 데이터를 생성하여 학습 모델에 학습시킬 수 있다.In addition, the learning unit 130 may generate training data based on query information including a function type of a response function provided by the search engine and train it in a learning model.

즉, 서비스 제공 장치(100)는 검색 엔진이 특정 연관 쿼리에 대해 검색 의도를 파악하여 해당 검색 의도에 대응되어 이용한 응답 기능의 기능 종류를 상기 특정 연관 쿼리에 대해 사용자 합의에 의해 지정된 검색 의도인 특정 인텐트와 연관지어 상기 학습 모델에 학습시킬 수 있으며, 이를 통해 특정 쿼리가 특정 검색 의도를 나타낼 때 필요한 특정 쿼리의 속성인 엔티티 정보와 상기 검색 엔진의 기능 종류가 학습 모델에 설정되도록 할 수 있다.That is, the service providing device 100 identifies the search intent for a specific related query, and determines the type of the response function used in response to the search intent, which is a search intent specified by user agreement for the specific related query. It is possible to train the learning model in association with an intent, and through this, entity information, which is an attribute of a specific query required when a specific query indicates a specific search intent, and a function type of the search engine can be set in the learning model.

상술한 바를 통해, 서비스 제공 장치(100)는 쿼리에 대해 검색 엔진이 산출하는 검색 결과에서 얻어진 주요 엔티티와 상기 검색 엔진이 쿼리의 검색 의도를 파악하여 이용한 응답 기능을 포함하는 쿼리의 속성과 쿼리에 대응되는 검색 의도 사이의 상관 관계를 학습 모델에 학습시켜, 임의의 입력 쿼리에 대해 상술한 바와 같이 속성을 산출한 후 상기 학습 모델에 적용하여 상기 학습 모델을 통해 상기 입력 쿼리의 속성과 유사한 속성을 가진 쿼리에 대응되는 검색 의도를 상기 입력 쿼리의 검색 의도로 산출하여 입력 쿼리의 검색 의도를 정확하게 산출할 수 있는데, 이를 도 10을 참고하여 상세히 설명한다.Through the above description, the service providing apparatus 100 is used to determine the properties of the query and the query including the main entity obtained from the search result calculated by the search engine for the query and the response function used by the search engine The correlation between the corresponding search intent is trained in a learning model, attributes are calculated as described above for an arbitrary input query, and then applied to the learning model, and attributes similar to the attributes of the input query are obtained through the learning model. The search intent of the input query can be accurately calculated by calculating the search intent corresponding to the possessed query as the search intent of the input query, which will be described in detail with reference to FIG. 10.

도시된 바와 같이, 상기 서비스 제공 장치(100)의 제어부(140)는 상기 서비스 제공 장치(100)에 구성된 통신부나 사용자 입력부를 통해 사용자 입력에 따른 입력 쿼리를 포함하는 검색 의도 요청 정보를 수신할 수 있다.As shown, the control unit 140 of the service providing device 100 may receive search intention request information including an input query according to a user input through a communication unit or a user input unit configured in the service providing device 100 have.

또한, 상기 제어부(140)는 상기 검색 의도 요청 정보 수신시 상기 엔티티 생성부(120)를 제어하여 상기 엔티티 생성부(120)를 통해 연관 쿼리 대신 상기 검색 의도 요청 정보에 포함된 입력 쿼리를 상기 검색 엔진에 적용할 수 있으며, 상기 엔티티 생성부(120)를 통해 상기 연관 쿼리에 대응되어 엔티티를 획득하는 구성과 마찬가지로 상기 검색 엔진을 통해 상기 입력 쿼리에 대응되어 상위 N 개의 검색 결과를 얻은 후 상기 상위 N 개의 검색 결과에서 상기 입력 쿼리에 대응되는 하나 이상의 엔티티를 추출하여 획득할 수 있다.In addition, when the search intent request information is received, the control unit 140 controls the entity generating unit 120 to search for an input query included in the search intent request information instead of a related query through the entity generating unit 120 It can be applied to an engine, and similar to the configuration in which an entity is obtained in response to the association query through the entity generating unit 120, the top N search results are obtained in response to the input query through the search engine. One or more entities corresponding to the input query may be extracted and obtained from N search results.

또한, 상기 제어부(140)는 상기 엔티티 생성부(120)를 통해 상기 입력 쿼리에 대응되어 획득된 하나 이상의 엔티티를 포함하는 엔티티 정보를 생성한 후 상기 입력 쿼리에 대응되는 엔티티 정보 및 상기 입력 쿼리를 포함하는 쿼리 정보를 상기 입력 쿼리에 대응되어 생성할 수 있다.In addition, the control unit 140 generates entity information including one or more entities obtained in response to the input query through the entity generator 120, and then generates entity information corresponding to the input query and the input query. The included query information may be generated in response to the input query.

이때, 상기 제어부(140)는 상기 엔티티 생성부(120)를 통해 상기 검색 엔진이 상기 입력 쿼리에 대응되어 생성한 응답 결과로부터 하나 이상의 기능 종류를 추출한 후 상기 추출된 하나 이상의 기능 종류를 상기 쿼리 정보에 포함시킬 수도 있다.At this time, the control unit 140 extracts one or more function types from the response result generated by the search engine in response to the input query through the entity generator 120, and then determines the extracted one or more function types as the query information. You can also include it.

또한, 상기 제어부(140)는 학습이 완료된 상기 학습부(130)의 학습 모델에 상기 입력 쿼리에 대한 쿼리 정보를 적용하여 상기 입력 쿼리의 쿼리 정보에 대응되는 하나 이상의 인텐트별 상관 계수가 포함된 최종 결과를 산출할 수 있다.In addition, the control unit 140 applies the query information for the input query to the learning model of the learning unit 130 on which training has been completed, and includes at least one intent-specific correlation coefficient corresponding to the query information of the input query. You can produce the final result.

이때, 상기 최종 결과는 상기 쿼리 정보에 대응되는 하나 이상의 인텐트 및 상기 하나 이상의 인텐트별 상관 계수를 포함할 수 있다.In this case, the final result may include one or more intents corresponding to the query information and a correlation coefficient for each of the one or more intents.

즉, 상기 제어부(140)는 상기 입력 쿼리에 대응되어 생성된 하나 이상의 엔티티를 포함하는 엔티티 정보를 상기 입력 쿼리의 속성으로 상기 입력 쿼리와 함께 학습 모델에 적용하여 상기 학습 모델에서 상기 입력 쿼리가 상기 엔티티 정보를 속성으로 가질 때 상기 입력 쿼리와 유사도가 높은 순으로 하나 이상의 유사 쿼리를 식별하고, 상기 하나 이상의 유사 쿼리와 각각 대응되는 하나 이상의 인텐트를 각각 상기 입력 쿼리와 유사도가 높은 검색 의도로서 최종 결과에 포함시켜 산출할 수 있으며, 특정 유사 쿼리에 대응되어 산출된 상기 입력 쿼리와의 유사도를 상기 특정 유사 쿼리에 대응되는 특정 인텐트와 상기 입력 쿼리 사이의 유사한 정도인 상관 계수로서 산출하여 상기 최종 결과에 포함시키게 된다.That is, the control unit 140 applies entity information including one or more entities generated in response to the input query to the learning model together with the input query as a property of the input query, so that the input query in the learning model is When having entity information as an attribute, one or more similar queries are identified in the order of high similarity to the input query, and one or more intents respectively corresponding to the one or more similar queries are finalized as search intentions having high similarity to the input query, respectively. It can be calculated by including it in the result, and the similarity with the input query calculated in response to a specific similarity query is calculated as a correlation coefficient that is the degree of similarity between the specific intent corresponding to the specific similarity query and the input query. Included in the results.

이때, 상기 제어부(140)는 상기 입력 쿼리의 속성으로 상기 엔티티 정보와 함께 상기 기능 종류를 상기 학습 모델에 적용하여 상기 최종 결과를 산출할 수 있다.In this case, the control unit 140 may calculate the final result by applying the function type together with the entity information as a property of the input query to the learning model.

일례로, 도 11에 도시된 바와 같이, 상기 제어부(140)는 입력 쿼리로서 'galaxy s10 review'가 수신되면, 상기 입력 쿼리에 대해 상술한 바와 같이 얻어진 엔티티 정보를 상기 학습 모델에 상기 입력 쿼리와 함께 적용하며, 상기 학습 모델은 상기 입력 쿼리인 'galaxy s10 review'와 상기 엔티티 정보를 기초로 한 쿼리 비교 및 속성 비교를 통해 속성 유사도가 높은 순으로 가장 유사도가 높은 것으로 판단된 제 1 유사 쿼리인 'galaxy s20 review'에 대응되는 제 1 인텐트로서 상품 리뷰를 의미하는 검색 의도인 'Review.Product'를 산출하고, 제 1 유사 쿼리 다음으로 상기 입력 쿼리와 유사도가 높은 제 2 유사 쿼리인 'galaxy s10 official'에 대응되는 제 2 인텐트로서 상품 명세를 의미하는 'Product.Info'를 상기 학습 모델을 통해 산출할 수 있다.As an example, as shown in FIG. 11, when'galaxy s10 review' is received as an input query, the control unit 140 sends the entity information obtained as described above for the input query to the learning model and the input query. It is applied together, and the learning model is the first similarity query that is determined to have the highest similarity in the order of the highest similarity through the query comparison and attribute comparison based on the input query'galaxy s10 review' and the entity information. As the first intent corresponding to the'galaxy s20 review', the search intention'Review.Product' is calculated, and after the first similar query,'galaxy' is a second similar query with high similarity to the input query. As a second intent corresponding to's10 official','Product.Info', which means a product specification, may be calculated through the learning model.

또한, 상기 제어부(140)는 상기 입력쿼리와 상기 제 1 유사 쿼리 사이의 유사도인 제 1 유사도를 상기 제 1 인텐트와 상기 입력 쿼리 사이의 제 1 상관 계수로 다른 상관 계수보다 가장 높게 산출하고, 상기 입력쿼리와 상기 제 2 유사 쿼리 사이의 유사도인 제 2 유사도를 상기 제 2 인텐트와 상기 입력 쿼리 사이의 상관 계수로 상기 제 1 상관 계수보다 낮은 제 2 상관 계수로 산출하며, 상기 제 1 인텐트와 상기 제 1 상관 계수가 매칭되어 상기 최종 결과에 포함되며 상기 제 2 인텐트와 상기 제 2 상관 계수가 상호 매칭되어 상기 최종 결과에 포함된 상기 최종 결과를 산출하게 된다.In addition, the control unit 140 calculates a first similarity, which is a similarity between the input query and the first similarity query, as a first correlation coefficient between the first intent and the input query, which is the highest than other correlation coefficients, A second similarity, which is a similarity between the input query and the second similar query, is calculated as a second correlation coefficient lower than the first correlation coefficient as a correlation coefficient between the second intent and the input query, and the first person The tent and the first correlation coefficient are matched and included in the final result, and the second intent and the second correlation coefficient are mutually matched to calculate the final result included in the final result.

또 다른 일례로, 상기 제어부(140)는 입력 쿼리로 '종로 맛집'을 수신한 경우 상기 '종로 맛집'과 유사도가 높은 유사 쿼리인 '종로 점심'이나 '종로 밥집 추천'을 기초로 상기 학습 모델을 통해 얻은 서울 종로에 있는 식당을 찾는 검색 의도인 'Local.Find'와 서울 종로에 있는 식당을 추천받기 원하는 검색 의도인 'Local.Suggest'를 상기 입력 쿼리에 대응되며 최종 결과에 포함되는 검색 의도로 산출하고, 상기 최종 결과에 포함되는 검색 의도 각각에 대해 상관 계수가 산출되어 상기 최종 결과에 포함된 최종 결과를 산출할 수 있다.In another example, when receiving'Jongno restaurant' as an input query, the controller 140 is the learning model based on'Jongno lunch' or'Jongno restaurant recommendation' which are similar queries with high similarity to the'Jongno restaurant'. 'Local.Find', which is the search intent to find restaurants in Jongno, Seoul obtained through and'Local.Suggest', which is the search intent to get recommendations for restaurants in Jongno, Seoul, are matched to the above input query and included in the final result. And a correlation coefficient is calculated for each search intention included in the final result to calculate a final result included in the final result.

상술한 구성에서, 상기 제어부(140)는 상기 상관 계수가 미리 설정된 기준치 이상인 검색 의도만을 상기 최종 결과에 포함시켜 상기 입력 쿼리와의 관련성이 낮은 검색 의도가 최종 결과에서 배제되도록 할 수 있다.In the above-described configuration, the control unit 140 may include only the search intention having the correlation coefficient equal to or greater than a preset reference value in the final result so that the search intention having a low relevance to the input query is excluded from the final result.

한편, 상기 제어부(140)는 Softmax 함수를 이용하여 상기 최종 결과에 포함되는 하나 이상의 검색 의도 각각에 매칭된 상관 계수를 점수(스코어)로 변환하여 상기 상관 계수 대신 검색 의도별로 점수를 산출하여 상기 최종 결과에 포함시킬 수 있다.Meanwhile, the control unit 140 converts the correlation coefficient matched with each of the one or more search intents included in the final result into a score (score) using a Softmax function, and calculates a score for each search intent instead of the correlation coefficient. Can be included in the results.

또한, 상기 제어부(140)는 상기 최종 결과에 포함된 하나 이상의 검색 의도 중 상기 상관 계수 또는 점수가 가장 높은 검색 의도를 주요 검색 의도로 상기 최종 결과에 설정하여 상기 최종 결과를 상기 서비스 제공 장치(100)에 구성된 출력부나 별도의 출력 장치를 통해 최종 결과 정보로서 출력할 수 있으며, 이를 통해 사용자가 최종 결과 정보를 기초로 상기 입력 쿼리의 주요 검색 의도와 더불어 상기 입력 쿼리와 관련성이 높은 검색 의도를 용이하게 파악할 수 있도록 제공할 수 있다.In addition, the control unit 140 sets a search intention having the highest correlation coefficient or score among one or more search intentions included in the final result as a main search intention in the final result, and sets the final result to the service providing device 100 ) Can be output as final result information through an output unit configured in () or a separate output device, and through this, the user can easily display the main search intent of the input query and the search intent that is highly relevant to the input query based on the final result information. It can be provided so that you can grasp it.

상술한 구성을 토대로, 도 12에 도시된 바와 같이, 상기 제어부(140)는 브랜드, 상품명, 서비스명 등을 입력 쿼리로 수신하고, 상기 입력 쿼리에 대한 쿼리 정보를 상기 학습 모델에 적용하여 얻어진 상기 최종 결과를 기초로 상기 최종 결과를 기초로 상기 입력 쿼리에 대해 산출된 하나 이상의 인텐트 상호 간 상기 최종 결과에 포함된 인텐트별 상관계수에 따른 비교가 가능하도록 도식화한 대시 보드를 생성하여 출력할 수 있다.Based on the above-described configuration, as shown in FIG. 12, the control unit 140 receives the brand, product name, service name, etc. as an input query, and applies the query information for the input query to the learning model. Based on the final result, a schematic dashboard is generated and output so that one or more intents calculated for the input query can be compared with each other according to the correlation coefficient for each intent included in the final result. I can.

이때, 상기 제어부(140)는 복수의 입력 쿼리를 수신하여 상기 복수의 입력 쿼리 각각에 대해 상기 학습 모델을 통해 최종 결과를 얻은 후 상기 복수의 입력 쿼리와 각각 대응되는 복수의 최종 결과 및 복수의 입력 쿼리를 기초로 복수의 입력 쿼리별로 입력 쿼리에 대응되는 하나 이상의 인텐트 상호 간 상관 계수의 크기를 구분할 수 있도록 도식화한 대시 보드를 생성할 수 있으며, 이에 따라 상기 대시 보드를 통해 상기 복수의 입력 쿼리 상호 간에 동일 인텐트에 대해 상관 계수의 크기를 비교할 수 있는 대시 보드를 생성하여 제공할 수 있다.At this time, the control unit 140 receives a plurality of input queries and obtains a final result for each of the plurality of input queries through the learning model, and then a plurality of final results and a plurality of inputs respectively corresponding to the plurality of input queries Based on a query, a schematic dashboard can be generated to distinguish the size of the correlation coefficient between one or more intents corresponding to the input query for each of the plurality of input queries, and accordingly, the plurality of input queries through the dashboard A dashboard that can compare the magnitude of the correlation coefficient for the same intent can be created and provided.

예를 들어, 상기 제어부(140)는 서로 다른 복수의 브랜드 각각을 입력 쿼리로 하여 상기 학습 모델에 적용하고, 상기 학습 모델을 통해 브랜드별 최종 결과를 산출하여 상기 최종 결과를 기초로 상기 복수의 브랜드별로 브랜드와 관련성이 높은 하나 이상의 검색 의도(인텐트)를 상관 계수에 따른 점수에 따라 검색 의도별 중요도가 구분되도록 도식화한 대시 보드를 생성할 수 있다.For example, the controller 140 applies each of a plurality of different brands as an input query to the learning model, calculates a final result for each brand through the learning model, and calculates a final result for each brand based on the final result. A dashboard may be generated in which one or more search intents (intents) having high relevance to each brand are classified so that the importance of each search intent is classified according to a score according to a correlation coefficient.

이를 통해, 본 발명에 따른 서비스 제공 장치(100)는 상기 대시 보드 제공을 통해 사업자가 브랜드나 상품에 대해 사용자들의 주요 검색 의도를 파악할 수 있도록 제공할 수 있으며, 이러한 주요 검색 의도를 통해 브랜드나 상품에 대해 사용자가 무엇을 요구하는지, 왜 찾는지 등에 대한 사용자의 니즈(needs)(소비자의 욕구)를 파악할 수 있도록 제공할 수 있다.Through this, the service providing device 100 according to the present invention can provide a business operator to understand the main search intention of users for a brand or product through the provision of the dashboard, and through this main search intention, the brand or product It can be provided so that the user's needs (consumer's needs) can be grasped for what the user is asking for, why they are looking for, and the like.

즉, 상기 서비스 제공 장치(100)는 브랜드나 상품에 대한 대중의 인식과 반응을 가시적으로 확인할 수 있는 분석 정보를 대시 보드로서 제공할 수 있다.That is, the service providing apparatus 100 may provide analysis information for visually checking the public's perception and reaction of a brand or product as a dashboard.

이에 더하여, 본 발명에 따른 서비스 제공 장치(100)는 이러한 대시 보드 기반의 분석 정보의 제공을 통해 상품에서 점수가 낮은 검색 의도를 기초로 개선이 필요한 상품의 특성에 대한 정보를 제공할 수도 있으며, 일례로 속옷 브랜드의 경우 착용감과 관련된 검색 의도의 점수가 높지만 섹시함에서의 검색의도는 낮게 나타난 최종 결과를 제공하여 이러한 섹시함에서의 상품 개선이 이루어지도록 해당 브랜드의 사업자에게 제시할 수 있다.In addition, the service providing apparatus 100 according to the present invention may provide information on the characteristics of a product that needs improvement based on a search intention with a low score in the product through the provision of such dashboard-based analysis information, For example, in the case of an underwear brand, it is possible to provide a final result that has a high score of search intention related to the fit, but a low search intention in the sense of sexyness, and present it to the business operator of the corresponding brand so that product improvement in such sexyness can be achieved.

이외에도, 본 발명에 따른 서비스 제공 장치(100)는 이러한 대시 보드 기반의 분석 정보 제공을 통해 브랜드나 상품의 검색 의도를 분석하여 효과적인 광고 전략이나 마케팅 전략을 수립할 수 있도록 지원할 수 있다.In addition, the service providing apparatus 100 according to the present invention may support the establishment of an effective advertisement strategy or marketing strategy by analyzing the search intention of a brand or product through the provision of such dashboard-based analysis information.

상술한 바와 같이, 본 발명은 키워드를 기반으로 글자를 추가하면서 검색 엔진의 자동 완성 기능을 이용하여 다수의 쿼리를 자동 생성한 후 쿼리 각각에 대해 검색 엔진을 통해 얻어진 검색 결과로부터 주요 단어나 구를 엔티티로 획득하여 쿼리의 특징인 속성으로 설정한 다음 쿼리에 대해 가장 정확도가 높은 검색 의도와 함께 학습 모델에 학습시켜 쿼리의 속성과 신뢰도가 보장된 검색 의도 사이의 상관 관계가 학습 모델에 학습되도록 할 수 있어, 다수의 쿼리를 자동 생성하여 학습 모델의 학습에 필요한 학습 데이터를 충분히 자동 확보함으로써 학습 모델의 신뢰도 향상을 위해 필요한 학습 데이터의 확보 용이성을 보장할 수 있을 뿐만 아니라, 학습 완료된 학습 모델에 검색 의도 파악을 원하는 사용자의 입력 쿼리를 적용하여 상기 입력 쿼리와 유사도가 일정 수준 이상인 유사 쿼리를 엔티티 기반의 속성 비교를 통해 식별한 후 입력 쿼리와 유사도가 높은 유사 쿼리에 대응되는 검색 의도를 상기 입력 쿼리의 검색 의도로 산출함으로써 입력 쿼리의 검색 의도를 정확하게 파악하여 제시할 수 있다.As described above, the present invention automatically generates a number of queries using the auto-complete function of a search engine while adding letters based on keywords, and then selects a key word or phrase from the search results obtained through the search engine for each query. It is acquired as an entity and set as an attribute that is a characteristic of the query, and then trained in the learning model with the most accurate search intent for the query, so that the correlation between the attribute of the query and the search intent with guaranteed reliability is learned by the learning model. As a result, it is possible to automatically generate a number of queries to sufficiently automatically secure the training data necessary for the training of the training model, ensuring the ease of securing the training data necessary for improving the reliability of the training model, as well as searching for the training model that has been trained. By applying an input query of a user who wants to understand the intent, a similar query with a certain level of similarity or higher to the input query is identified through entity-based attribute comparison, and the search intent corresponding to the similar query with high similarity to the input query is identified as the input query By calculating the search intention of the input query, the search intention of the input query can be accurately identified and presented.

도 13은 본 발명의 실시예에 따른 서비스 제공 장치(100)의 검색 의도를 제공하기 위한 서비스 제공 방법에 대한 순서도이다.13 is a flowchart of a service providing method for providing a search intention of the service providing apparatus 100 according to an embodiment of the present invention.

도시된 바와 같이, 상기 서비스 제공 장치(100)는, 키워드에 일련의 글자를 상이하게 추가하면서 상기 키워드와 글자가 결합된 하나 이상의 검색 쿼리를 자동 생성하고, 미리 설정된 검색 엔진을 통해 상기 검색 쿼리와 연관된 연관 쿼리를 하나 이상 획득하는 획득 단계를 수행할 수 있다(S1).As shown, the service providing apparatus 100 automatically generates one or more search queries in which the keywords and letters are combined while adding a series of letters to the keyword differently, and the search query and the search query through a preset search engine An acquisition step of acquiring one or more related related queries may be performed (S1).

또한, 상기 서비스 제공 장치(100)는, 상기 연관 쿼리를 상기 검색 엔진에 적용하여 생성된 검색 결과 중 미리 설정된 상위 N 개의 검색 결과에서 미리 저장된 온톨로지 정보의 인스턴스에 정의된 단어나 구와 일치하는 엔티티를 하나 이상 추출하여, 상기 추출된 하나 이상의 엔티티를 포함하는 엔티티 정보를 생성한 후 상기 엔티티 정보에 대응되는 연관 쿼리와 상기 엔티티 정보를 포함하는 쿼리 정보를 생성하는 엔티티 생성 단계를 수행할 수 있다(S2).In addition, the service providing apparatus 100 may select an entity that matches a word or phrase defined in an instance of ontology information stored in advance from the top N search results generated by applying the association query to the search engine. After one or more is extracted, entity information including the extracted one or more entities is generated, an entity generation step of generating a relational query corresponding to the entity information and query information including the entity information may be performed (S2). ).

또한, 상기 서비스 제공 장치(100)는, 검색 의도에 대한 카테고리인 복수의 인텐트와 복수의 쿼리가 상호 매칭되어 미리 저장된 인텐트 DB(104)로부터 상기 엔티티 정보가 생성된 특정 연관 쿼리와 일치하는 쿼리에 매칭된 특정 인텐트가 추출되면, 상기 특정 인텐트와 상기 특정 연관 쿼리에 대응되는 상기 쿼리 정보를 포함하는 학습 데이터를 생성하여 미리 설정된 학습 모델에 학습시키는 학습 단계를 수행할 수 있다(S3).In addition, the service providing device 100 may match a plurality of intents, which are categories for search intent, and a plurality of queries, and the entity information is generated from a pre-stored intent DB 104 to match a specific related query. When a specific intent matched to a query is extracted, a learning step of generating training data including the specific intent and the query information corresponding to the specific association query may be performed to train a predetermined learning model (S3). ).

또한, 상기 서비스 제공 장치(100)는 학습 모델이 학습이 완료된 상태에서(S4) 사용자 입력에 따른 입력 쿼리가 수신되면(S5), 상기 사용자 입력에 따른 입력 쿼리를 상기 엔티티 생성 단계의 연관 쿼리로 하여 상기 입력 쿼리에 대한 쿼리 정보를 생성한 후 복수의 서로 다른 키워드에 대해 상기 학습이 완료된 상기 학습 모델에 적용하여 상기 학습 모델을 통해 상기 입력 쿼리에 대응되는 하나 이상의 인텐트별 상관 계수가 포함된 최종 결과를 산출하는 산출 단계를 수행할 수 있다(S6).In addition, when the training model is completely trained (S4) and an input query according to a user input is received (S5), the service providing device 100 converts the input query according to the user input into a related query in the entity creation step. After generating query information for the input query, a plurality of different keywords are applied to the learning model in which the training has been completed, and the correlation coefficients for each intent corresponding to the input query are included through the learning model. A calculation step of calculating the final result may be performed (S6).

이때, 상기 서비스 제공 장치(100)는 복수의 서로 다른 키워드 각각에 대해 상기 획득 단계와 상기 엔티티 생성 단계 및 학습 단계를 수행하여 얻어진 복수의 학습 데이터로 상기 학습 모델을 학습시킬 수 있다(S7).In this case, the service providing apparatus 100 may train the learning model using a plurality of training data obtained by performing the acquisition step, the entity creation step, and the learning step for each of a plurality of different keywords (S7).

본 명세서에 기술된 다양한 장치 및 구성부는 하드웨어 회로(예를 들어, CMOS 기반 로직 회로), 펌웨어, 소프트웨어 또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 전기적 구조의 형태로 트랜지스터, 로직게이트 및 전자회로를 활용하여 구현될 수 있다.The various devices and components described herein may be implemented by hardware circuitry (eg, CMOS-based logic circuitry), firmware, software, or a combination thereof. For example, it may be implemented using transistors, logic gates, and electronic circuits in the form of various electrical structures.

전술된 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above contents may be modified and modified without departing from the essential characteristics of the present invention by those of ordinary skill in the technical field to which the present invention pertains. Accordingly, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain the technical idea, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be interpreted as being included in the scope of the present invention.

100: 서비스 제공 장치 110: 쿼리 생성부
120: 엔티티 생성부 130: 학습부
140: 제어부100: service providing device 110: query generating unit
120: entity generation unit 130: learning unit
140: control unit

Claims

In the service providing method of the service providing device,
An acquisition step of automatically generating one or more search queries in which the keywords and letters are combined while differently adding a series of letters to a keyword, and obtaining one or more related queries associated with the search query through a preset search engine;
One or more entities matching a word or phrase defined in an instance of ontology information stored in advance are extracted from the pre-set top N search results among search results generated by applying the association query to the search engine, and the extracted one or more entities An entity generating step of generating entity information including a and then generating an association query corresponding to the entity information and query information including the entity information;
When a plurality of intents and a plurality of queries, which are categories for search intent, are matched with each other, and a specific intent matched to a query matching a specific related query in which the entity information is generated is extracted from a pre-stored intent DB, the specific intent A learning step of generating training data including a tent and the query information corresponding to the specific association query and training it in a preset learning model; And
An entity matching a word or phrase defined in an instance of the ontology information stored in advance among the pre-set top N search results among search results generated by applying an input query according to a user input to the search engine is matched to the input query. After extracting the above and generating entity information including one or more entities extracted to correspond to the input query and query information including the input query to correspond to the input query, the learning is completed for a plurality of different keywords. A calculation step of calculating a final result including a correlation coefficient for each intent corresponding to the input query through the learning model by applying it to the learning model
A service providing method for providing a search intent including a.

The method according to claim 1,
The learning step,
A service for providing a search intent, further comprising: training the learning model with a plurality of training data obtained by performing the acquisition step, the entity creation step, and the learning step for each of a plurality of different keywords. Delivery method.

The method according to claim 1,
The related query is an auto-complete search word generated by the search engine based on the search query.

The method according to claim 1,
The acquiring step is a service providing method for providing a search intent, characterized in that excluding a related query having a search volume of 0.

The method according to claim 1,
The ontology information includes entity definition information for a plurality of different entities corresponding to an object or concept, and the entity definition information includes a class corresponding to the category of the entity and an instance that is an entity name of the entity. A method of providing services to provide search intent.

The method according to claim 1,
The entity creation step,
At least one entity extracted in response to the association query is set as a candidate entity, and the appearance frequency of each candidate entity is calculated for the top N search results, and only candidate entities whose appearance frequency is equal to or greater than a preset reference value are included in the entity information. A service providing method for providing a search intent, characterized in that including.

The method according to claim 1,
The search results generated by the search engine receiving the related query or input query as an input include at least one response result and the at least one response result in which the search engine recognizes and responds to the related query or input query Each corresponds to, and includes one or more types of response functions used by the search engine when calculating response results,
In the entity creation step, query information corresponding to the association query is generated so that at least one function type extracted from a search result generated in response to the association query and entity information corresponding to the association query are set as properties of the association query. Further comprising the step of,
The calculating step comprises generating query information corresponding to the input query such that at least one function type extracted from a search result generated in response to the input query and entity information corresponding to the input query are set as properties of the input query. A method for providing a service for providing a search intent, further comprising the step of.

The method according to claim 1,
The learning step,
Providing a search intent, characterized in that the correlation between the query and the intent is set in the learning model according to a change in entity information that a query has as an attribute through learning of the learning model using the learning data. How to provide services for

The method according to claim 1,
The calculation step,
The step of generating and outputting a schematic dashboard to enable comparison according to the correlation coefficient for each intent included in the final result between one or more intents calculated for the input query based on the final result. A service providing method for providing a search intent, characterized in that.

A query generator configured to automatically generate one or more search queries in which the keywords and letters are combined while differently adding a series of letters to the keyword, and obtain one or more related queries related to the search query through a preset search engine;
One or more entities matching a word or phrase defined in an instance of ontology information stored in advance are extracted from the pre-set top N search results among search results generated by applying the association query to the search engine, and the extracted one or more entities An entity generator for generating entity information including, and then generating an association query corresponding to the entity information and query information including the entity information;
When the query information is received from the entity generator, a plurality of intents and a plurality of queries, which are categories for search intent, are matched with each other, and the entity information is generated from a pre-stored intent DB to a query that matches a specific related query generated A learning unit that extracts a matched specific intent, generates training data including the specific intent and the query information corresponding to the specific association query, and trains it in a preset learning model; And
An entity matching a word or phrase defined in an instance of the ontology information stored in advance among the pre-set top N search results among search results generated by applying an input query according to a user input to the search engine is matched to the input query. After extracting the above and generating entity information including one or more entities extracted to correspond to the input query and query information including the input query to correspond to the input query, the learning is completed for a plurality of different keywords. A control unit that applies to the learning model and calculates a final result including a correlation coefficient for each intent corresponding to the input query through the learning model
Service providing apparatus for providing a search intent comprising a.